Question

我正在使用TreeTagger（http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/）从文本中提取名词。我的问题是输出格式如下：

word    pos     lemma

The     DT      the 
TreeTagger      NP      TreeTagger 
is      VBZ     be 
easy    JJ      easy 
to      TO      to 
use     VB      use

显然没有选择只获取名词（＆＃34; NP＆＃34;和＃34; NN＆＃34;）。使用bash，我怎样才能让第一列中的单元格具有＆＃34; NP＆＃34;或者＆＃34; NN＆＃34;在第二栏？

Answer 1

您可以使用awk：

awk '$2 ~ /^N[PN]$/{print $1}' file

TreeTagger

正则表达式/^N[PN]$/将匹配NP或NN

正如@Cyrus在下面正确评论的那样，您可以在正则表达式中使用交替：

awk '$2 ~ /^(NP|NN)$/ {print $1}' file

Bash：从格式为表

1 个答案: