清风出袖
高级会员
刚才在北大中文论坛看到了一款软件介绍，看了一下蛮好的，介绍给大家，如果有兴趣可以和作者联系。
一、本软件为绿色软件，在广西民族大学海柳文教授的精心指导下，由南燕飞设计而成，用于信息处理，所处理的是纯文本文件,保存的，也是纯文本文件。本软件的处理速度已经可以和北大ccl语料库比美，大家可以一试其速度，所有提取全部在内存中进行，只有在提取完毕才显示出来，所以在提取的时候，如果您的语料超长，提取超过一万句以上的句子希望您耐心等待!我们作过测试，提取10000句的句子，可以在点击的一瞬间提取出来，20万字的语料，可以在1秒钟内的时间算出全部的字频。
软件的主体风格： 由一个主窗口里面包含有诸多子窗口，用菜单可以打开每个子窗口，每次只能打开一个子窗口，子窗口一般由两个页面组成，一个是用来打开您要处理的语料的，这些语料必须是纯文本文件，就是后缀是txt的文件，可以一次打开多个电子文本，我们建议用打开的方式，这样可以打开无限多的语料，而不用复制粘贴，复制粘贴只能粘贴上去6万字左右的语料(注：处理外国语料的，请用复制粘贴，不受数量限制!)；另一个是用来处理语料的页面。其中，打开文本文件的窗口有一个查找另一处的，可以用alt+F调用这个查找对话框，可以向下，也可以向上查找。击右键可以调用菜单，处理多国语言的窗口有一点特别，它要处理的是unicode字符，如果您要处理的外国语言不能被电子文本识别，也就是不能直接为我们的软件打开，就是说，只能在word中打开，那么请您把您的语料从word中复制到我们的文本框中，我们就可以给您处理。如果您要精确提取您的语料，比如说：要提取文本中所有含有"is"的句子，而"this"中也有"is"就会也被当成是含
有"is"而被提取出来，这个时候，为了防止这种情况发生，请在"input a foreign language all latters "右边的文本框中，写入该国语言的所有字母，就可以防止这种情况发生。我只是举个例子，其实英语语料的提取，我们专门做了一个窗口。处理超过5百万字的语料，请保证您的计算机内存在512左右。内存越大越好!
二、以标点符号为标记提取，如果碰到空格、或到头，就不再找下去了。我们希望您的文本是经过校正的文本，这样处理的结果会更好。用句号作标记提取的时候，我们提取的是前一个句号和后一个句号之间的含有关键词的句子。以：""！？为标记提取时，只要碰到这样的标点，软件就停止找下去，不再找下去了。如果您的语料没有标点符号，请采用按字数提取的方法，从关键词语的左边多少个提取，一个提取多少个。这个提取总数字可能由于您提取的关键词语的字数而有一点出入，主要是我们提取的时候，去掉了左右的空格和不可见的字符。软件在提取主题词语的前面用
▲进行标记。
三、标记章节后提取，就是在每章的标题前面用我们给的㊣■复制粘贴在前面，只要是独立的一行，提取时，软件会智能的告诉您是从哪一章节提取出来的。"必须"每章标题前都要标上㊣■，而且是独立的一行。如：在《彷徨》的标题"祝福"前标上㊣■，以后如果提取的句子是从这一章中提取的。软件会智能的把这个标题补在后面。如提取《彷徨》中含有"火药"的句子：1。灰白色的沉重的晚云中间时时发出闪光，接着一声钝响，是送灶的爆竹；近处燃放的可就更强烈了，震耳的大音还没有息，空气里已经散满了幽微的▲火药香。（祝福）这个窗口根据导师的宝贵意见，对于标题中含有关键字的，不再提取，自动过滤掉了。所以您可能以为数目与不标记章节提取出来的不一致。
四，提取成对出现的词语的句子，是提取句子中含有"不但......而且"之类词语的句子，可以提取成三对，成四对出现词语的句子。提供两种提取方式，一种是按顺序提取，就是说不但在而且的前面，比如说：我不但会英语，而且会法语。另一种提取方式是不按顺序提取，就是说，只要一个句子中含有这些词语，它就给提取出来。比如说"因为......所以"这一对，不管因为在前也好，在后也好，只要这句话含有这一对词语，就给您提取出来。
五，提取句子并且按关键词语后一个或者前一个排序，举例来说，我要提取《论语》中的"为"字，如果是按主题词语"为"的后一个排序，那么"为人"、"为谁"的会自动在提取的同
时进行排序。只要是"为人"的句子会自动放在一起，而"为谁"的句子也会自动放在一起，而且标上序号。
六，字频统计，是本软件中的一个重头戏，大家自己用一用就知道它的威力了。词频统计窗口，借助了中科院分词系统，请先用中科院分词系统处理您的语料，然后才能进行词频统计或者单字词与多字词频率统计!
七，提取成批出现的词语的语料。这个窗口是用来专门提取那些成匹出现的的词语举例说，量词，介词。一次允许您输入20个词语，可以一次性提取。无人执守窗口，不受关键词语数量限制!
八，在进行提取或者统计的时候，请不要乱点击鼠标，可能会造成程序中止，因为运行时候，占的内存大。
九、请注意，大型的语料处理请用打开的方式，一次只能复制粘贴6万字左右的语料，但是用打开的方式，可以处理任意多的语料。外国语料的处理请用复制粘贴，不受数量限制，因为用的控件不相同，在这里我们不作过多的解释。请切记！！！
谢谢您的使用，在使用中有什么不明白的，或者您有更好的意见，请写信给本人：邮箱
nanyanfei666666@126.com QQ524597637
附：第一次使用本软件的人，请按如下方法操作：第一步：单击按指定字符串提取语料菜单 第二步：鼠标滑动到"提取含有字符串的单个句子"，再往右滑动到"按句号为标记提取句子"，然后点击"按句号为标记提取句子"，这个时候会弹出一个窗口 第三步：在空白处点击右键，单击"打开语料文本"项，打开您要处理的后缀为txt的电子文本 第四步：单击检索提取句子，这是本窗口中的另一个页面，在输入字符串右边文本框中输入要检索的关键字比如"一"字，按"回车键"或者单击按句号提取按键。结果就显示在上面的空白处!
一、本软件为绿色软件，在广西民族大学海柳文教授的精心指导下，由南燕飞设计而成，用于信息处理，所处理的是纯文本文件,保存的，也是纯文本文件。本软件的处理速度已经可以和北大ccl语料库比美，大家可以一试其速度，所有提取全部在内存中进行，只有在提取完毕才显示出来，所以在提取的时候，如果您的语料超长，提取超过一万句以上的句子希望您耐心等待!我们作过测试，提取10000句的句子，可以在点击的一瞬间提取出来，20万字的语料，可以在1秒钟内的时间算出全部的字频。
软件的主体风格： 由一个主窗口里面包含有诸多子窗口，用菜单可以打开每个子窗口，每次只能打开一个子窗口，子窗口一般由两个页面组成，一个是用来打开您要处理的语料的，这些语料必须是纯文本文件，就是后缀是txt的文件，可以一次打开多个电子文本，我们建议用打开的方式，这样可以打开无限多的语料，而不用复制粘贴，复制粘贴只能粘贴上去6万字左右的语料(注：处理外国语料的，请用复制粘贴，不受数量限制!)；另一个是用来处理语料的页面。其中，打开文本文件的窗口有一个查找另一处的，可以用alt+F调用这个查找对话框，可以向下，也可以向上查找。击右键可以调用菜单，处理多国语言的窗口有一点特别，它要处理的是unicode字符，如果您要处理的外国语言不能被电子文本识别，也就是不能直接为我们的软件打开，就是说，只能在word中打开，那么请您把您的语料从word中复制到我们的文本框中，我们就可以给您处理。如果您要精确提取您的语料，比如说：要提取文本中所有含有"is"的句子，而"this"中也有"is"就会也被当成是含
有"is"而被提取出来，这个时候，为了防止这种情况发生，请在"input a foreign language all latters "右边的文本框中，写入该国语言的所有字母，就可以防止这种情况发生。我只是举个例子，其实英语语料的提取，我们专门做了一个窗口。处理超过5百万字的语料，请保证您的计算机内存在512左右。内存越大越好!
二、以标点符号为标记提取，如果碰到空格、或到头，就不再找下去了。我们希望您的文本是经过校正的文本，这样处理的结果会更好。用句号作标记提取的时候，我们提取的是前一个句号和后一个句号之间的含有关键词的句子。以：""！？为标记提取时，只要碰到这样的标点，软件就停止找下去，不再找下去了。如果您的语料没有标点符号，请采用按字数提取的方法，从关键词语的左边多少个提取，一个提取多少个。这个提取总数字可能由于您提取的关键词语的字数而有一点出入，主要是我们提取的时候，去掉了左右的空格和不可见的字符。软件在提取主题词语的前面用
▲进行标记。
三、标记章节后提取，就是在每章的标题前面用我们给的㊣■复制粘贴在前面，只要是独立的一行，提取时，软件会智能的告诉您是从哪一章节提取出来的。"必须"每章标题前都要标上㊣■，而且是独立的一行。如：在《彷徨》的标题"祝福"前标上㊣■，以后如果提取的句子是从这一章中提取的。软件会智能的把这个标题补在后面。如提取《彷徨》中含有"火药"的句子：1。灰白色的沉重的晚云中间时时发出闪光，接着一声钝响，是送灶的爆竹；近处燃放的可就更强烈了，震耳的大音还没有息，空气里已经散满了幽微的▲火药香。（祝福）这个窗口根据导师的宝贵意见，对于标题中含有关键字的，不再提取，自动过滤掉了。所以您可能以为数目与不标记章节提取出来的不一致。
四，提取成对出现的词语的句子，是提取句子中含有"不但......而且"之类词语的句子，可以提取成三对，成四对出现词语的句子。提供两种提取方式，一种是按顺序提取，就是说不但在而且的前面，比如说：我不但会英语，而且会法语。另一种提取方式是不按顺序提取，就是说，只要一个句子中含有这些词语，它就给提取出来。比如说"因为......所以"这一对，不管因为在前也好，在后也好，只要这句话含有这一对词语，就给您提取出来。
五，提取句子并且按关键词语后一个或者前一个排序，举例来说，我要提取《论语》中的"为"字，如果是按主题词语"为"的后一个排序，那么"为人"、"为谁"的会自动在提取的同
时进行排序。只要是"为人"的句子会自动放在一起，而"为谁"的句子也会自动放在一起，而且标上序号。
六，字频统计，是本软件中的一个重头戏，大家自己用一用就知道它的威力了。词频统计窗口，借助了中科院分词系统，请先用中科院分词系统处理您的语料，然后才能进行词频统计或者单字词与多字词频率统计!
七，提取成批出现的词语的语料。这个窗口是用来专门提取那些成匹出现的的词语举例说，量词，介词。一次允许您输入20个词语，可以一次性提取。无人执守窗口，不受关键词语数量限制!
八，在进行提取或者统计的时候，请不要乱点击鼠标，可能会造成程序中止，因为运行时候，占的内存大。
九、请注意，大型的语料处理请用打开的方式，一次只能复制粘贴6万字左右的语料，但是用打开的方式，可以处理任意多的语料。外国语料的处理请用复制粘贴，不受数量限制，因为用的控件不相同，在这里我们不作过多的解释。请切记！！！
谢谢您的使用，在使用中有什么不明白的，或者您有更好的意见，请写信给本人：邮箱
nanyanfei666666@126.com QQ524597637
附：第一次使用本软件的人，请按如下方法操作：第一步：单击按指定字符串提取语料菜单 第二步：鼠标滑动到"提取含有字符串的单个句子"，再往右滑动到"按句号为标记提取句子"，然后点击"按句号为标记提取句子"，这个时候会弹出一个窗口 第三步：在空白处点击右键，单击"打开语料文本"项，打开您要处理的后缀为txt的电子文本 第四步：单击检索提取句子，这是本窗口中的另一个页面，在输入字符串右边文本框中输入要检索的关键字比如"一"字，按"回车键"或者单击按句号提取按键。结果就显示在上面的空白处!
