Question

我想转换具有以下结构的输入文本文件：

600 NJoussot    38  fr  Twitter hn  2015    Taubira huée au festival de Cannes
...

获取TRECTEXT格式，如下所示：

<DOC>
<DOCNO> 600 </DOCNO>
<TEXT>  Taubira huée au festival de Cannes. </TEXT>  
</DOC>

感谢您的帮助：）

Answer 1

下面的Perl解决方案打印样本记录。只需将<DATA>更改为<>即可从stdin / file中读取。

#!/usr/bin/env perl

use strict;
use warnings;

while (<DATA>) {
    my ($docno, $text) = /
        \s*(\S+)            # first field
        (?:\s+\S+){6}\s*    # skip six fields and space after field 7
        (.*)
    /x;
    print <<"TRECTEXT"
<DOC>
<DOCNO> $docno </DOCNO>
<TEXT>  $text </TEXT>
</DOC>
TRECTEXT
}
__DATA__
600 NJoussot    38  fr  Twitter hn  2015    Taubira huée au festival de Cannes

将TEXT文件转换为TRECTEXT格式

1 个答案: