正则表达式讨论
- 主题发起人 rockzhy
- 时间
xusun575
高级会员
回复: 正则表达式讨论
既然用BNC,提取的结构若是如上所列的"It+系动词+形容词",那么,去corpus.byu.edu直接检索即可, 无需什么特殊工具或正则. 具体做法是,在WORDS框内,键入" It [v*]" (不用引号,下同),COLLCATES框内键入"[aj*]".附图可作参考.
附件
回复: 正则表达式讨论
谢谢dingguoqi和xusun575的好建议，真的很感激！再次谢谢你们！xusun575的建议sharpen了我的思考。
希望并为了和大家一起学习、互动，现在把我的问题推进一步。呵呵！似乎每个初涉语料库的同学都会遇到一下两个问题。
一、如何根据自己的设想对一定文本赋码？二、如何根据自己的设想对赋码文本进行正则检索？
[针对以上两个问题，有人曾经提出更深刻的问题：
1.赋码是对文本的丰富还是强加？赋码当然方便了研究，观察，但是赋码是文本的一部分还是文本之外的东西？
2.怎样的正则检索对于自己的观察和研究是全面的？如何做到全面？
3.赋码和检索如何对接？怎样才算实现自己设想的正则检索？]
谢谢dingguoqi和xusun575的好建议，真的很感激！再次谢谢你们！xusun575的建议sharpen了我的思考。
希望并为了和大家一起学习、互动，现在把我的问题推进一步。呵呵！似乎每个初涉语料库的同学都会遇到一下两个问题。
一、如何根据自己的设想对一定文本赋码？二、如何根据自己的设想对赋码文本进行正则检索？
[针对以上两个问题，有人曾经提出更深刻的问题：
1.赋码是对文本的丰富还是强加？赋码当然方便了研究，观察，但是赋码是文本的一部分还是文本之外的东西？
2.怎样的正则检索对于自己的观察和研究是全面的？如何做到全面？
3.赋码和检索如何对接？怎样才算实现自己设想的正则检索？]
回复: 正则表达式讨论
这个问题非常有意思，目前主流的这几种赋码确实没有把系动词给单独赋码，这就出现上面提到的那种检索出来未必一定是系动词的情况。从另一个角度讲，语法学家把系动词加表语的这种情况单独分出来有点弱智，这种划分是否解决了实际问题？没有多少现实意义。其实这完全属于谓语的一种情况而已，或者说是动词加补语的情况。
再从正则表达式的角度去讲，即便是这个问题确实很复杂，但不是无解，至少有人写出来了，感兴趣的可以下载GrammarScope这个软件，从里面找那个正则表达式，不过需要修改，那表达式非常复杂，好多行，需要分析很长时间才有可能看懂，如果你自己写出的表达式连两三行都到不了，那么那个表达式是没有多少可能读懂的，因为Grammarscope软件中采用的内核是斯坦福大学开放的，它的赋码又是一个流派。
希望有正则表达式的高手能够把里面的表达式转成CLAWS赋码可用的表达式并且发布出来。
这个问题非常有意思，目前主流的这几种赋码确实没有把系动词给单独赋码，这就出现上面提到的那种检索出来未必一定是系动词的情况。从另一个角度讲，语法学家把系动词加表语的这种情况单独分出来有点弱智，这种划分是否解决了实际问题？没有多少现实意义。其实这完全属于谓语的一种情况而已，或者说是动词加补语的情况。
再从正则表达式的角度去讲，即便是这个问题确实很复杂，但不是无解，至少有人写出来了，感兴趣的可以下载GrammarScope这个软件，从里面找那个正则表达式，不过需要修改，那表达式非常复杂，好多行，需要分析很长时间才有可能看懂，如果你自己写出的表达式连两三行都到不了，那么那个表达式是没有多少可能读懂的，因为Grammarscope软件中采用的内核是斯坦福大学开放的，它的赋码又是一个流派。
希望有正则表达式的高手能够把里面的表达式转成CLAWS赋码可用的表达式并且发布出来。
回复: 正则表达式讨论
It + 系动词+ adj的正则表达式可以这样写，如下：
(?i)((?=[^.\n]*\w{1,}_PPH1 (?i:is|'s|was|seems|seemed|appears|appeared|looks|looked|tastes|tasted|smells|smelled|sounds|sounded|feels|felt|keeps|kept|gets|got|turns|turned|grows|grew|stays|stayed|remains|remained|resembles|resembled|becomes|became)_V\w{1,} \w{1,}_J\w{1,})[^.\n]+\.?)
这个表达式是用于提取完整的It + 系动词+ adj的句子的，在南燕飞（程南昌）的CN_Regex软件中测试成功，但是提取时间可能稍长点。
如果是要提取 系动词+ adj的结构的句子可能就比这个复杂些，而且提取的时间更长，也是采用CN_Regex，提取的时候软件显示未响应，其实是在工作中，需要的时间非常长，需要耐心等待。
系动词+ adj的正则表达式
(?i)((?=[^.\n]*(?i:am|is|are|r|be|being|'s|'re|'m|was|were|been|s|ai|m|art|ar|wase|seem|seems|seemed|seeming|appear|appears|appeared|look|looks|looked|taste|tastes|tasted|smell|smells|smelled|sound|sounds|sounded|feel|feels|felt|keep|keeps|kept|get|gets|got|turn|turns|turned|grow|grows|grew|stay|stays|stayed|remain|remains|remained|resemble|resembles|resembled|resembling|become|becomes|became|becoming)_V\w{1,} \w{1,}_J\w{1,})[^.\n]+\.?)
说明一下：这个表达式中含有几个古英语用词，不要感觉奇怪。
CN_Regex没有对正则表达式长度进行限制，对于并列特别多的这种表达式需要等的时间较长。上面的表达式中的系动词涵盖了绝大多数系动词，还有少量的没有包含在内，对于没有包含在内的可以根据自己需要进行添加。
It + 系动词+ adj的正则表达式可以这样写，如下：
(?i)((?=[^.\n]*\w{1,}_PPH1 (?i:is|'s|was|seems|seemed|appears|appeared|looks|looked|tastes|tasted|smells|smelled|sounds|sounded|feels|felt|keeps|kept|gets|got|turns|turned|grows|grew|stays|stayed|remains|remained|resembles|resembled|becomes|became)_V\w{1,} \w{1,}_J\w{1,})[^.\n]+\.?)
这个表达式是用于提取完整的It + 系动词+ adj的句子的，在南燕飞（程南昌）的CN_Regex软件中测试成功，但是提取时间可能稍长点。
如果是要提取 系动词+ adj的结构的句子可能就比这个复杂些，而且提取的时间更长，也是采用CN_Regex，提取的时候软件显示未响应，其实是在工作中，需要的时间非常长，需要耐心等待。
系动词+ adj的正则表达式
(?i)((?=[^.\n]*(?i:am|is|are|r|be|being|'s|'re|'m|was|were|been|s|ai|m|art|ar|wase|seem|seems|seemed|seeming|appear|appears|appeared|look|looks|looked|taste|tastes|tasted|smell|smells|smelled|sound|sounds|sounded|feel|feels|felt|keep|keeps|kept|get|gets|got|turn|turns|turned|grow|grows|grew|stay|stays|stayed|remain|remains|remained|resemble|resembles|resembled|resembling|become|becomes|became|becoming)_V\w{1,} \w{1,}_J\w{1,})[^.\n]+\.?)
说明一下：这个表达式中含有几个古英语用词，不要感觉奇怪。
CN_Regex没有对正则表达式长度进行限制，对于并列特别多的这种表达式需要等的时间较长。上面的表达式中的系动词涵盖了绝大多数系动词，还有少量的没有包含在内，对于没有包含在内的可以根据自己需要进行添加。