如何将命令行输出从Freeling转换为可消费数组

Question

我用Ruby来做这件事。Freeling (一个NLP工具)有一个浅解析器，当我运行一个浅解析命令时，它会为文本“我刚读过书，蚱蜢躺得很重”返回这样的字符串。

a = <<EOT
S_[
  sn-chunk_[
    +(I i PRP -)
  ]
  adv_[
    +(just just RB -)
  ]
  vb-chunk_[
    +(read read VB -)
  ]
  sn-chunk_[
    (the the DT -)
    +n-chunk_[
      (book book NN -)
      +n-chunk_[
        +(The_Grasshopper_Lies_Heavy the_grasshopper_lies_heavy NP -)
      ]
    ]
  ]
  st-brk_[
    +(. . Fp -)
  ]
]

EOT

我想从这里得到以下数组：

["I", "just", "read", "the book The Grasshopper Lies Heavy","."]

(我希望合并树下的单词，并将其作为一个数组元素。)

到目前为止，我已经写了这么多：

b = a.gsub(/.*\[/,'[').gsub(/.*\+?\((\w+|.) .*/,'\1').gsub(/\n| /,"").gsub("_","")

回传

[[I][just][read][the[book[The Grasshopper Lies Heavy]]][.]]

那么，如何获得所需的数组呢？

Answer 1

从你的解决方案到目前为止：

result = a.gsub(/.*\[/,'[').gsub(/.*\+?\((\w+|.) .*/,'\1').gsub(/\n| /,"").gsub("_"," ")
result.split('][').map { |s| s.gsub(/\[|\]/, ' ').strip }     # ["I", "just", "read", "the book The Grasshopper Lies Heavy", "."]

Answer 2

如果您通过API从Ruby调用FreeLing，您可以得到树并随意遍历它。

如果您使用命令行程序的输出并将其作为字符串加载到Ruby中，则使用选项“- output conll”调用它可能会更容易，这将产生一种更容易处理的表格格式。