使用 UIMA Ruta 在文本文件中搜索项目

Question

我一直在尝试搜索文本文件中的项目。

文本文件就像 例如：`

>标题

00345

XYZ

方法名：fdsafk

日期：23-4-2012

更多文本和一些包含 XYZ 实例的部分

所以我最初在字典中搜索了 XYZ 并找到了位置，但我只想要第一个 XYZ 而不是其余的。 XYZ 有一个属性，它总是在 5 位代码和文本 MethondName 之间。

我无法做到这一点。

WORDLIST ZipList = 'Zipcode.txt';
DECLARE Zip;
Document
Document{-> MARKFAST(Zip, ZipList)};

DECLARE Method;
"MethodName" -> Method;


WORDLIST typelist = 'typelist.txt';
DECLARE type;
Document{-> MARKFAST(type, typelist)};

另外，我们如何在 UIMA RUTA 中使用 REGEX？

Answer 1

有很多方法可以指定这一点。以下是一些示例（未经测试）：

// just remove the other annotations (assuming type is the one you want)
type{-> UNMARK(type)} ANY{-STARTSWITH(Method)};

// only keep the first one: remove any annotation if there is one somewhere in front of it
// you can also specify this with POSISTION or CURRENTCOUNT, but both are slow
type # @type{-> UNMARK(type)}

// just create a new annotation in between
NUM{REGEXP(".....")} #{-> type} @Method;

在 UIMA Ruta 中有两个使用正则表达式的选项：

• （查找）简单的正则表达式规则，例如"[A-Za-z]+" -> Type;
• （匹配）用于验证规则元素匹配的 REGEXP 条件，例如
  ANY{REGEXP("[A-Za-z]+")-> Type};

如果有什么不清楚的地方请告诉我。那我就扩展一下描述吧。

免责声明：我是 UIMA Ruta 的开发人员