0

我有两个制表符分隔的文件。一个包含引理和词干，另一个包含形成语法形式所需的内容。

文件（引理和词干）：

Lemma    Stem    Pos
ablakzár    ablakz  noun
adminisztrátorlány  adminisztrátorl noun
...
....

文件（后缀）：

suffix
[r]as
[r][r]er
...
.....

遵循和输出的规则：

Lemma    Stem    Suffix    Output
ablakzár    ablakz    [r]as    ablakzras
adminisztrátorlány    adminisztrátorl    [r][r]er    adminisztrátorlnnyer


These are the grammar forms that I would have to create from the two lemmas:
ablakzras
adminisztrátorlnnyer

也就是说，如果我只在括号中找到一个字母，我选择引理的最后一个辅音并将它添加到词干，如果我在括号中找到两个字母，我将最后一个辅音加倍并将它添加到词干。还添加了括号中字母之后的内容。

双辅音表：

Single:  b c cs d dz dzs f g gy h j k l ly m n ny p q r s sz t ty v w x y z zs
Doubles: bb cc ccs dd ddz ddzs ff gg ggy hh jj kk ll lly mm nn nny pp qq rr ss ssz tt tty vv ww xx yy zz zzs

最后，我自己解决了这个问题。我展示了解决方案，以防它适用于任何 OP：

BEGIN {
    OFS=FS="\t";

    while ((getline line < file ) > 0)
    {
        models[++c]=line; 
    }

    v="a o u ö ü e i á ó ú ő ű é í";
    a1=split(v,vocals," ");

    doubled_consonants["b"]="bb";  doubled_consonants["c"]="cc";
    doubled_consonants["cs"]="ccs";  doubled_consonants["d"]="dd";
    doubled_consonants["dz"]="ddz";  doubled_consonants["dzs"]="ddzs"; 
    doubled_consonants["f"]="ff";  doubled_consonants["g"]="gg";
    doubled_consonants["gy"]="ggy";  doubled_consonants["h"]="hh";
    doubled_consonants["j"]="jj";  doubled_consonants["k"]="kk";
    doubled_consonants["l"]="ll";  doubled_consonants["ly"]="lly";
    doubled_consonants["m"]="mm";  doubled_consonants["n"]="nn";
    doubled_consonants["ny"]="nny";  doubled_consonants["p"]="pp";
    doubled_consonants["q"]="qq";  doubled_consonants["r"]="rr";
    doubled_consonants["s"]="ss";  doubled_consonants["sz"]="ssz";
    doubled_consonants["t"]="tt";  doubled_consonants["ty"]="tty";
    doubled_consonants["v"]="vv";  doubled_consonants["w"]="ww";
    doubled_consonants["x"]="xx";  doubled_consonants["y"]="yy";
    doubled_consonants["z"]="zz";  doubled_consonants["zs"]="zzs";

}
{
    s1=split($1,lemma_letters,"")
    for (i=1; i<=c; i++)
    {
        s2=split(mod[i],model,"\t");
        s3=split(model[4],suffix_letters,"");

        for (j=1; j<=s3; j++)
        {
            switch (suffix_letters[j]) {
            case "[":
                wz=extrac_consonant($1,s1,doubled_consonants)
                wa=double_single(j,s3,suffix_letters)

                if (wa == 0)
                {
                    tp=tp wz;
                    j+=2;
                }
                else
                {
                    tp=tp doubled_consonants[wz];
                    j+=5;
                }

                break;
            default:
                tp=tp ltrs[j];
                break;
            }
        }
    }

function extrac_consonant(string,leng,double)
{
    # string - lemma
    # leng - lemma length
    # double - array (doubled_consonants)

    q1=substr(string,(leng-2)); 
    q2=substr(string,(leng-1)); 
    q3=substr(string,leng); 

    if (double[q1])
    {
        cons=q1;
    }
    else if (double[q2])
    {
        cons=q2;
    }
    else 
    {
        cons=q3;
    }
    return cons;
}
function double_single(x5,x6,arr5)
{
    # x5 - j value in switch statement
    # x6 - suffix length
    # arr5 - array (suffix_letters)

    flag=0;
    for (g=(x5+1); g<=x6; g++)
    {
        if (arr5[g] == "[")
        {
            flag=1;
        }
    }
    return flag; # It tells us, if we have to double the consonant or not [r] ó [r][r]
}
4

1 回答 1

1

awk救援！我为你编写了一个原型，你可以进一步扩展

$ awk 'NR>1{n=gsub("\\[","[",$1);
            c=substr($2,length($2),1);
            sub("\\[.*\\]","",$1);
            for(i=1;i<=n;i++) $1=c""$1;
            print $3 $1}' <(paste suffix lemma)

ablakzras
adminisztrátorlyyer

请注意，它选择最后一个字符，不检查元音/辅音。我不知道你用双辅音做什么？

代码应该很容易理解，如果不是我可以进一步解释。

于 2016-02-24T18:56:44.927 回答