Sub-corpus creator等距抽取总库文件生成子库困难

X

xiucai

许老师好，去年夏天北京语料库研修班教了利用“Sub-corpus creator等距抽取总库文件生成子库”我还记了笔记“ [FONT=宋体]等距抽样（[/FONT][FONT=宋体]File names match[/FONT][FONT=宋体]）[/FONT][FONT=宋体]:[/FONT][FONT=宋体]如样本中[/FONT][FONT=宋体] \s+03 [/FONT][FONT=宋体]即根据文件名中倒数第三位数字每[/FONT][FONT=宋体]10[/FONT][FONT=宋体]个文本抽取一个文本；[/FONT][FONT=宋体] \s+[05]3\ [/FONT][FONT=宋体]每隔[/FONT][FONT=宋体]5[/FONT][FONT=宋体]个文本，即倒数第三位数字可[/FONT][FONT=宋体]0[/FONT][FONT=宋体]可[/FONT][FONT=宋体]5.[/FONT]”，但操作时却不能抽取相应文本，请许博士指点，谢谢！
 
回复: Sub-corpus creator等距抽取总库文件生成子库困难

许博士，是这样的，我要抽取WECCL2.0中英语专业（STU1）二年级（GRADE2）的作文文件，这个很容易做到，2.0书自带的软件很好提取，现在提出来2075个符合条件的文件，但我想从中抽五分之一415个文件，这时文件名已经不是最初总库的顺序了，可能也无法用sub-corpus creator软件那样生存了（尽管那样生存也没弄好）请问如何在文件夹中等距抽取文件，即按文件自然排列每5个文件抽取一个：5th, 10th...415th，不知道您可有什么便捷的办法，多谢了。
 
回复: Sub-corpus creator等距抽取总库文件生成子库困难

不是很清楚你用的是哪个语料库
从你给你的表达式看，应该是s的大小写搞错了
\S+03
\S+[05]3

BTW：你的帖子标题写得比较清楚具体，大家应该向你学习。我特别不喜欢有的网友用“求助”“急急急”做标题。
 
回复: Sub-corpus creator等距抽取总库文件生成子库困难

谢谢许老师啊，表达式我改成大写的好像还是抽取不到文件，不过没有关系了，我帖子上第二次提的问题在李亮博士的指导下已经解决了，准备发帖和其他C友分享一下，谢谢您！
 
You must log in or register to reply here.
Back
顶部