李亮1975重庆
语料库快乐军政委
【内容提要】
Treetagger在线版之无限制本地增强版，形式上仅仅是一个网页，双击即可运行，貌似在线网页，但是她解除了在线网页版用Javascript的2MB的发送文本容量限制，新增了标注类型转换与剔除的若干功能，让AntConc可以检索“来自treetagger的下划线型词性标注”，适合语料库语言学的建库与检索的需求。
【用法指南】TreeTagger在线版之无限制本地增强版 1.0
http://web4u.setsunan.ac.jp/Website/TreeOnline.htm （在线版TreeTagger，一款优秀的词性标注器）
访问这个网址，可以在网页的文本框中粘贴英语文本，点“submit”按钮就自动提交给远程服务器而得到赋码结果了，例如我们用"I am running fast."来赋码就得到下面的结果（分别为左栏，中栏，右栏，分别是屈折形，词性标签，原形）……
I PP I
am VBP be
running VVG run
fast RB fast
. SENT .
但是，在线版的TreeTagger借助页面源代码中的Javascript的一个count()函数，对你输入的文本量进行了限制，最大不能超过 2MB（2兆）。超过2兆字节的语料就会遇到“Please decrease the input words”这个提示而无法赋码，count()函数的完整原形如下……
function Count() {
var token = document.Tex.corpus.value.length;
if(token > 2000000){
alert("Please decrease the input words.");
return;
}
else {
document.Tex.submit();
}
}
而我们的语料库，20万英语单词就有1.3MB，30万单词就有2MB了，所以当你一次性想要对超过30万单词进行语料赋码的时候，就必须分批到足够小的容量而进行，要么采用本地版的treetagger了。在线版和本地版的treetagger都是赋码结果是每行由3栏组成，3栏之间是制表符间隔的（不是空格哟，虽然看上去是空白一个）。如果你用在线版或本地版treetagger进行了赋码，那你依然无法用AntConc进行检索哟，这是众多语料库操作者面临的一个难题。
在线版TreeTagger之无限制本地增强版就是在上述背景下而诞生的，“她”就是一个网页，HTM文件而已，采用Javascript编程，因此，双击就可运行，而体积不到7KB。
她的第1号功能是，解除了2兆容量的上限，让你轻松使用。
她的第2号功能是，帮你把赋码结果转换为AntConc可以检索的“下划线型词性标注的语料状态”。
她的第3号功能是，帮你把下划线型标注的语料的标注剔除掉，无论是来自treetagger或其他POS tagger。
她的第4号功能是：帮你把treetagger的赋码结果转换为XML型标注，便于被其他的针对XML标注的检索工具进行处理。
她的第5号功能是，把中英文混排的语料进行自动分离，无论是”一行英文后面跟随一行中文“，还是”一句英文后面跟随一句中文“，或是”一行中文后面跟随一行英文“，或是”一句中文后面跟随一句英文“，都可以剔除所有的中文或所有的英文，这个功能在我们建设”平行语料库“的时候频频需要却找不到处理工具呢。例如，我们有如下的语料……
I love corpus.
我喜欢语料库。
This corpus is big.
这个语料库很大。
经过第5号功能的”剔除英文“这个按钮，就变成……
我喜欢语料库。
这个语料库很大。
而如果我们点第5个功能的”剔除中文“这个按钮，就变成……
I love corpus.
This corpus is big.
哈哈，这是很实用的功能呢！
那么，最实用的第2号功能是如何操作的呢？
首先，你把语料拷贝到操作界面的文本框，然后你点”submit“按钮，等它发送和赋码完毕，你就看到了赋码结果，此刻你就点网页浏览器的菜单的”编辑“中 的”全选“，然后再点菜单的”编辑“中的”拷贝“，这样你就拷贝了赋码结果，然后你再点”后退“按钮，回到刚才的主界面，因为赋码结果是切换到新页面而呈 现出来的！所以，你拷贝了结果到主界面的文本框，然后点”下划线型词性标注的转换“这个按钮就可以了。
例如，我们有下面的赋码结果……
This DT this
corpus NN corpus
is VBZ be
big JJ big
. SENT .
点了”下划线型词性标注的转换“就转换为……
This_DT corpus_NN is_VBZ big_JJ ._SENT
如果你对如何用AntConc检索已经词性赋码的语料这个技能，还不了解，你可以读我的PDF教程
http://ishare.iask.sina.com.cn/f/33525504.html 《语料检索的速成教程：已经词性赋码语料的检索.pdf》
如果你对AntConc还没有入门，就读我的另一份教程
http://ishare.iask.sina.com.cn/f/33651497.html 《语料检索的速成教程：AntConc生鲜入门.pdf》
下载地址（新浪爱问）：
http://ishare.iask.sina.com.cn/f/37227447.html
Treetagger在线版之无限制本地增强版，形式上仅仅是一个网页，双击即可运行，貌似在线网页，但是她解除了在线网页版用Javascript的2MB的发送文本容量限制，新增了标注类型转换与剔除的若干功能，让AntConc可以检索“来自treetagger的下划线型词性标注”，适合语料库语言学的建库与检索的需求。
【用法指南】TreeTagger在线版之无限制本地增强版 1.0
http://web4u.setsunan.ac.jp/Website/TreeOnline.htm （在线版TreeTagger，一款优秀的词性标注器）
访问这个网址，可以在网页的文本框中粘贴英语文本，点“submit”按钮就自动提交给远程服务器而得到赋码结果了，例如我们用"I am running fast."来赋码就得到下面的结果（分别为左栏，中栏，右栏，分别是屈折形，词性标签，原形）……
I PP I
am VBP be
running VVG run
fast RB fast
. SENT .
但是，在线版的TreeTagger借助页面源代码中的Javascript的一个count()函数，对你输入的文本量进行了限制，最大不能超过 2MB（2兆）。超过2兆字节的语料就会遇到“Please decrease the input words”这个提示而无法赋码，count()函数的完整原形如下……
function Count() {
var token = document.Tex.corpus.value.length;
if(token > 2000000){
alert("Please decrease the input words.");
return;
}
else {
document.Tex.submit();
}
}
而我们的语料库，20万英语单词就有1.3MB，30万单词就有2MB了，所以当你一次性想要对超过30万单词进行语料赋码的时候，就必须分批到足够小的容量而进行，要么采用本地版的treetagger了。在线版和本地版的treetagger都是赋码结果是每行由3栏组成，3栏之间是制表符间隔的（不是空格哟，虽然看上去是空白一个）。如果你用在线版或本地版treetagger进行了赋码，那你依然无法用AntConc进行检索哟，这是众多语料库操作者面临的一个难题。
在线版TreeTagger之无限制本地增强版就是在上述背景下而诞生的，“她”就是一个网页，HTM文件而已，采用Javascript编程，因此，双击就可运行，而体积不到7KB。
她的第1号功能是，解除了2兆容量的上限，让你轻松使用。
她的第2号功能是，帮你把赋码结果转换为AntConc可以检索的“下划线型词性标注的语料状态”。
她的第3号功能是，帮你把下划线型标注的语料的标注剔除掉，无论是来自treetagger或其他POS tagger。
她的第4号功能是：帮你把treetagger的赋码结果转换为XML型标注，便于被其他的针对XML标注的检索工具进行处理。
她的第5号功能是，把中英文混排的语料进行自动分离，无论是”一行英文后面跟随一行中文“，还是”一句英文后面跟随一句中文“，或是”一行中文后面跟随一行英文“，或是”一句中文后面跟随一句英文“，都可以剔除所有的中文或所有的英文，这个功能在我们建设”平行语料库“的时候频频需要却找不到处理工具呢。例如，我们有如下的语料……
I love corpus.
我喜欢语料库。
This corpus is big.
这个语料库很大。
经过第5号功能的”剔除英文“这个按钮，就变成……
我喜欢语料库。
这个语料库很大。
而如果我们点第5个功能的”剔除中文“这个按钮，就变成……
I love corpus.
This corpus is big.
哈哈，这是很实用的功能呢！
那么，最实用的第2号功能是如何操作的呢？
首先，你把语料拷贝到操作界面的文本框，然后你点”submit“按钮，等它发送和赋码完毕，你就看到了赋码结果，此刻你就点网页浏览器的菜单的”编辑“中 的”全选“，然后再点菜单的”编辑“中的”拷贝“，这样你就拷贝了赋码结果，然后你再点”后退“按钮，回到刚才的主界面，因为赋码结果是切换到新页面而呈 现出来的！所以，你拷贝了结果到主界面的文本框，然后点”下划线型词性标注的转换“这个按钮就可以了。
例如，我们有下面的赋码结果……
This DT this
corpus NN corpus
is VBZ be
big JJ big
. SENT .
点了”下划线型词性标注的转换“就转换为……
This_DT corpus_NN is_VBZ big_JJ ._SENT
如果你对如何用AntConc检索已经词性赋码的语料这个技能，还不了解，你可以读我的PDF教程
http://ishare.iask.sina.com.cn/f/33525504.html 《语料检索的速成教程：已经词性赋码语料的检索.pdf》
如果你对AntConc还没有入门，就读我的另一份教程
http://ishare.iask.sina.com.cn/f/33651497.html 《语料检索的速成教程：AntConc生鲜入门.pdf》
下载地址（新浪爱问）：
http://ishare.iask.sina.com.cn/f/37227447.html