Question

所以我试图找出这个perl脚本的作用。

use FindBin qw($Bin);
use strict;
use Encode;

binmode(STDIN, ":utf8");
binmode(STDOUT, ":utf8");
binmode(STDERR, ":utf8");

chdir($Bin);
my $dir = "txt";
my $outdir = "aligned";
my $preprocessor = "$Bin/tools/split-sentences.perl -q";

my ($l1,$l2) = @ARGV;
die unless -e "$dir/$l1";
die unless -e "$dir/$l2";

`mkdir -p $outdir/$l1-$l2/$l1`;
`mkdir -p $outdir/$l1-$l2/$l2`;

my ($dayfile,$s1); # globals for reporting reasons
open(LS,"ls $dir/$l1|");
while($dayfile = <LS>) {
  chop($dayfile);
  if (! -e "$dir/$l2/$dayfile") {
    print "$dayfile only for $l1, not $l2, skipping\n";
    next;
  }
  &align();
}

从这看起来我需要运行

perl sentence-align-corpus.perl europarlEnglishCorpus.txt europarlSpanishCorpus.txt

这两个文件位于txt文件夹中。

运行上面给我

txt/europarlEnglishCorpus.txt only for europarlEnglishCorpus.txt, not europarlSpanishCorpus.txt, skipping

并且没有对齐句子，它只是创建目录。看起来如果被触发，但我不确定它是做什么的。

这个脚本有什么作用？

Answer 1

命令行参数是目录。该计划希望在txt/p1和txt/p2中找到文件（其中p1和p2是传递的参数）。

它检查txt/p1中的所有文件，如果txt/p2中没有相同名称的文件，则会打印出错误消息，或者调用align子例程。

您可能会得到您看到的结果，因为txt/europarlEnglishCorpus.txt有txt/europarlSpanishCorpus.txt/europarlEnglishCorpus.txt但ls没有。

出现混淆是因为程序通过shell {{1}}来列出目录，它将文件名或目录名作为参数。

除此之外我无法帮助你。

Answer 2

程序在与.pl文件相同的目录中假设以下输入

txt/
  lang-a/
     day-1
     day-2
  lang-b/
     day-1
     day-2
  lang-c/
     day-1
     day-2

然后将其作为

运行

./ sentence-align-corpus.perl lang-a lang-b

我认为下载http://www.statmt.org/europarl/下提到的文件可能很有用。

本网站上有指示。这些可能会有所帮助，也可能没有帮助，但我希望您在向SO寻求帮助之前先阅读这些内容。

有关此语料库的详细说明，请阅读：



Europarl：统计机器翻译平行语料库，Philipp Koehn，MT Summit 2005，pdf。



如果您在工作中使用此语料库，请引用该论文。也可以看看   报告的扩展（但更早）版本（ps，pdf）。

我坚持我的原始建议，通过电子邮件发送网站上提供的地址，并要求更好地说明您需要下载什么（如果有的话），如何运行以及它的目标是什么。

Answer 3

看起来你给这个脚本的第二个参数（即europarlSpanishCorpus.txt）是错误的，它希望它是名为txt的目录下的一个目录。

用于对齐语料库的Perl脚本

3 个答案: