检查特定大小的字母数字 UIMA RUTA

Question

我是 UIMA RUTA 的新手。 我正在尝试执行一项基本任务，该任务应匹配特定大小的字母数字字符。 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。 请让我知道我做错了什么。 除了 RUTA 之外，其他 REGEX 引擎中也可以使用相同的 REGEX。

提前致谢。

Answer 1

这是因为 Ruta 将文档拆分为小片段/令牌/基本注释（请参阅 this）。如果单词是数字和字符的组合，则默认播种器实现会拆分单词。默认播种器实现可以由您自己的播种器更改为具有不同的行为。

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 - 请参阅链接了解更多信息）：

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

输入“45 abcd 5”的另一个例子变成：

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 标记匹配。该文档包含 2 个 Any 标记（NUM 和 CW），并且因为模式不匹配（它不是 1 个标记，而是被拆分）

您可以执行以下示例以获得正确的结果：

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)};