Question

我在形态上分析了这种形式的文件：

^Thus/Thus[ADV]+ADV$ ^an/an[ART]$ ^agnostic/agnostic[ADJ]+ADJ$ 
^is/be[V]+V+3sg+PRES$ ^someone/someone[PN]+INDEF$ ^who/who[PN]+WH$ 
^believes/believe[V]+V+3sg+PRES$ ^that/that[CNJ]+THAT$ ^we/we[PN]+PERS$ 
^do/do[V]+V+INF$ ^not/not[PART]$ ^and/and[CNJ]+COORD$ ^cannot/*cannot$ 
^know/know[V]+V$ ^for/for[PRP]$
^prove/prove[V]+V+INF$ ^that/that[CNJ]+THAT$ ^he/he[PN]+PERS$     
^doesn/*doesn$^'t/it[PN]+PERS$ ^exist/exist[V]+V+INF$
^I'/i'[V]+V$^ve/ve[V]+V+INF$
^didn/didn[V]+V$^'t/it[PN]+PERS$
^can/can[V]+V+INF$^'t/it[PN]+PERS$

（案例1）大多数单词都得到了正确的分析，例如：

is --> ^is/be[V]+V+3sg+PRES$

（案例2）有些词语无法识别，例如：

cannot --> ^cannot/*cannot$

（案例3）并且所有“连接”的单词（不会，不能......）得到这样的处理：

doesn't --> ^doesn/*doesn$^'t/it[PN]+PERS$
I've --> ^I'/i'[V]+V$^ve/ve[V]+V+INF$
didn't --> ^didn/didn[V]+V$^'t/it[PN]+PERS$
can't --> ^can/can[V]+V+INF$^'t/it[PN]+PERS$

我想创建一个包含以下内容的新文档：

Case1

/

[

Case2的^和/或*和$之间的字
for Case3我不确定我想要什么，因为处理过的表单大部分时间都很糟糕（从语言学的角度来看）。我想在^和{{1}之间开始我大部分时间都会从奇怪的单词中知道它来自哪里......

所以有些sed awk（我知道的只有两个，如果可能的话会很高兴）脚本，它将所有字符串拆分为分析单元，然后将其作为标准处理Case1。如果字符串包含像Case3这样的单个qoute /进程，并且它包含类似Case2的星'。订单很重要，因为有些案例包含*和*，因此应该应用Case3。

我完全不知道如何开始这个，所以我没有代码让你开始..

欢迎对Case3提出其他建议。

希望有人可以帮忙！

提前致谢。

修改

所以看起来应该是这样的：

Answer 1

如果您总是选择^和/之间的字词：

$ awk 'gsub(/\^|\/[^\$]+\$/,"")' foo
Thus an agnostic
is someone who
believes that we
do not and cannot
know for
prove that he
doesn't exist
I've
didn't
can't

Answer 2

使用sed，我想你可以这样做：

sed -r "s#[^/]+/\*?(\w+'?)\S*\\$ ?#\1 #g" foo

从使用sed或awk区分案例的文本文件中提取字符串

2 个答案: