我有一个任务需要解析文本的结构——准确来说,是单语词典。该词典的条目相当复杂:最多有29个独特元素,并且一些元素嵌套在其他元素中。我正在为词典设计自己的XML模式,但我想编写一个程序来自动解析我拥有的纯文本。
我具备一些Ruby基础技能,也是一个经验丰富的正则表达式用户,但我认为创建大量的if树和极长的正则表达式公式可能不是最好的方法。我已经找到了一些关于Parsing Expression Grammar、Backus Normal Form和W-grammar的信息,但似乎不太清楚它们适用于哪种情况。
我的问题是:哪种方式最适合解释自然语言中的文本结构?我不想解释语言本身,而是根据字符和关键词以及它们的邻域将每个条目划分为段落。你会建议哪些gem和资源?
编辑:这里有一个较为简单的词典条目(波兰语),点击此处 查看。我想要对每个元素进行标记(意义、解释、搭配、标签等等)。正如您所见,我正在寻找一种有效的方式以树形结构包含大量情况。 另一个问题是,我希望有很多捕获,因为我想将XML中的片段从大到小进行标记。
我具备一些Ruby基础技能,也是一个经验丰富的正则表达式用户,但我认为创建大量的if树和极长的正则表达式公式可能不是最好的方法。我已经找到了一些关于Parsing Expression Grammar、Backus Normal Form和W-grammar的信息,但似乎不太清楚它们适用于哪种情况。
我的问题是:哪种方式最适合解释自然语言中的文本结构?我不想解释语言本身,而是根据字符和关键词以及它们的邻域将每个条目划分为段落。你会建议哪些gem和资源?
编辑:这里有一个较为简单的词典条目(波兰语),点击此处 查看。我想要对每个元素进行标记(意义、解释、搭配、标签等等)。正如您所见,我正在寻找一种有效的方式以树形结构包含大量情况。 另一个问题是,我希望有很多捕获,因为我想将XML中的片段从大到小进行标记。