如何获取Perl Text::Ngrams中所有ngrams的数组

Question

如您所知，Perl中的模块Text::Ngrams可以提供Ngram分析。下面的函数用于检索Ngrams和频率数组。

get_ngrams(orderby=>'ngram|frequency|none',onlyfirst=>NUMBER,out=>filename|handle,normalize=>1)

但它只给出了最后一个Ngram。例如，下面的代码没有同时提供Uni-Gram和Bi-Gram：

my $ng3 = Text::Ngrams->new( windowsize => 2, type=>'byte');
my $text = "test teXT TESTtexT";

$text =~ s/ +/ /g; # replace multiple spaces to single
$text = uc $text; # uppercase all

$ng3->process_text($text);
my @ngramsarray = $ng3->get_ngrams(orderby=>'frequency', onlyfirst=>10, normalize=>0 );
foreach(@ngramsarray)
{
    print "$_\n";
}

输出：

T E
4
E X
2
_ T
2
E S
2
S T
2
X T
2
T _
2
T T
1

但是，通过使用函数

to_string(orderby=>'ngram|frequency|none',onlyfirst=>NUMBER,out=>filename|handle,normalize=>1,spartan=>1)

它同时显示了Ngram和Ngram。但只有它才能显示结果。我需要数组中的结果。

如何通过此数组同时获取所有Ngram (Unigram和Bigram)？

Answer 1

您不可能同时获得所有不同大小的n元语法，但您可以通过多次调用get_ngrams来获取它们。get_ngrams有一个未记录的参数n，它说明了您想要列出的n元语法的大小。

在你的代码中，如果你说

my @ngramsarray = $ng3->get_ngrams(
  n => 1,
  orderby = >'frequency',
  onlyfirst => 10,
  normalize => 0);

你会得到这个列表

('T', 8, 'E', 4, 'X', 2, '_', 2, 'S', 2)