maven - 如何忽略来自 ruta 输出或 JCas 的标记？

Question

我正在从 Java Maven 项目动态执行 ruta 脚本。该脚本注释一个 HTML 文件，并进一步处理输出。现在，coveredText 之间包含 HTML 标记，如下所示；

(a+b) < SUP >2< /SUP> ==> 标记为公式

但我希望它作为

(a+b)2 ==> 将上标作为另一个注释捕获并稍后处理。

如何达到预期的解决方案？

Answer 1

在 UIMA 中，文档文本是静态的。如果要更改文本，则需要创建新视图/CAS。在 ruta 中，有三个组件可以创建带有修改的文档文本的 cas：HtmlConverter、RutaModifier、RutaCutter。如果您想在同一管道中进一步处理它，您需要一个带有沙发映射的聚合 AE（或沙发感知分析引擎）。

有一些关于这些分析引擎及其用法的文档。还有一个这些规则的示例项目和一个讨论一些可能问题的StackOverflow问题。关于沙发映射的信息可以在UIMA 文档中找到

（免责声明：我是 UIMA Ruta 的开发人员）