Question

我是UIMA RUTA的新手。我正在尝试执行一项基本任务，该任务应与特定大小的字母数字字符匹配。例如： 123Abcd

我尝试了以下代码：

DECLARE VarA;
ANY{REGEXP("([A-Za-z0-9]{7})")->MARK(VarA)};

它没有按预期工作。请让我知道我在做什么错。相同的REGEX在RUTA以外的其他REGEX引擎中均可使用。

谢谢。

Answer 1

这是因为Ruta将文档分成小片段/令牌/基本注释（请参见this）。如果种子是数字和字符的组合，则默认的播种器实现会将单词拆分。可以由自己的播种器以不同的行为来更改默认的播种器实现。

您的示例“ 123Abcd”将被解析为以下标记（并非所有级别都在列表中-有关更多信息，请参见链接）：

Document -> Complete document "123Abcd"
NUM -> 123
CW -> Abcd

输入“ 45 abcd 5”的另一个示例变为：

Document -> Complete document "45 abcd 5"
NUM -> 45
SPACE -> The spacer between 45 and abcd // Not visible by default
SW -> abcd
SPACE -> The spacer between abcd and 5 // Not visible by default
NUM -> 5

在您的示例中，您尝试将正则表达式与Any令牌匹配。该文档包含2个任何令牌（NUM和CW），并且因为该模式不匹配（不是1个令牌而是被拆分了）

您可以执行以下示例，以获取正确的结果：

DECLARE VarA, VarB, VarC, VarD;

// Option 1 (execute regex on the complete input document
// I think this is not a good solution because this can be slow
Document{REGEXP("([A-Za-z0-9]{7})") -> MARK(VarA)};

// Option 2 (match with regex on each annotation type)
(NUM{REGEXP("[0-9]{3}")} CW{REGEXP("[a-zA-Z]{4}")}){ -> MARK(VarB)};

// Option 3 (first match a pattern of annotations and then match the 
// regex on the complete pattern)
(NUM CW){REGEXP("([A-Za-z0-9]{7})") -> MARK(VarC)};

// Option 4 (only check if its a "number + capital word")
(NUM CW){ -> MARK(VarD)};

检查特定大小的字母数字UIMA RUTA

1 个答案: