Хотите удалить разметку из аннотации-UIMA RUTA

Question

Если я использую тег P (из Html Annotator) как PASSAGE.I хочу игнорировать разметку из аннотации.

SCRIPT:

//------------------------------------------------------------------- 
// SPECIAL SQUARE HYPHEN PARENTHESIS 
//------------------------------------------------------------------- 
DECLARE LParen, RParen; 
SPECIAL{REGEXP("[(]") -> MARK(LParen)}; 
SPECIAL{REGEXP("[)]") -> MARK(RParen)}; 

DECLARE LSQParen, RSQParen; 
SPECIAL{REGEXP("[\\[]") -> MARK(LSQParen)}; 
SPECIAL{REGEXP("[\\]]") -> MARK(RSQParen)}; 

DECLARE LANGLEBRACKET,RANGLEBRACKET; 
SPECIAL{REGEXP("<")->MARK(LANGLEBRACKET)}; 
AMP{REGEXP("&lt;")->MARK(LANGLEBRACKET)}; 
SPECIAL{REGEXP(">")->MARK(RANGLEBRACKET)}; 
AMP{REGEXP("&gt;")->MARK(RANGLEBRACKET)}; 

DECLARE LBracket,RBracket; 

(LParen|LSQParen|LANGLEBRACKET){->MARK(LBracket)}; 
(RParen|RSQParen|RANGLEBRACKET){->MARK(RBracket)}; 


DECLARE PASSAGE,TESTPASSAGE; 

     "<a name=\"para(.+?)\">(.*?)</a>"->2=PASSAGE; 

RETAINTYPE(WS); // or RETAINTYPE(SPACE, BREAK,...); 
PASSAGE{-> TRIM(WS)}; 
RETAINTYPE; 

    PASSAGE{->MARK(TESTPASSAGE)}; 



DECLARE TagContent,PassageFirstToken,InitialTag; 
LBracket ANY+? RBracket{-PARTOF(TagContent)->MARK(TagContent,1,3)}; 


BLOCK(foreach)PASSAGE{} 
{ 
Document{->MARKFIRST(PassageFirstToken)}; 
} 
TagContent{CONTAINS(PassageFirstToken),-PARTOF(InitialTag)->MARK(InitialTag)}; 


BLOCK(foreach)PASSAGE{} 
{ 
InitialTag ANY+{->SHIFT(PASSAGE,2,2)}; 

} 

Пример ввода:

<p class="Normal"><a name="para1"><h1><b>On the Insert tab, the galleries include items that are designed to coordinate with the overall look of your document. </b></a></p> 

<p class="Normal"><a name="para2"><aus>On the Insert tab, the galleries include items that are designed to coordinate with the overall look of your document.</a></p> 

<p class="Normal"><a name="para3">On the Insert tab, the galleries include items that are designed to coordinate with the overall look of your document.</a></p> 

<p class="Normal"><a name="para4">On the Insert tab, the galleries include items that are designed to coordinate with the overall look of your document. </a></p> 

<p class="Normal"><a name="para5">On the Insert tab, the <span>galleries</span> include items that are designed to coordinate with the overall look of your document.</a></p> 

ПРОХОД (5) И TESTPASSAGE (2) .Why TESTPASSAGE уменьшается? И InitialTag не помечен.

Я приложил выходных аннотации изображения

Answer 1

При воспроизведении данного примера, я получаю 5 Пассаж аннотации и 3 TESTPASSAGE аннотаций (последние три ОТРЫВКА аннотаций). Остальные две аннотации PASSAGE не аннотируются с помощью TESTPASSAGE, поскольку они начинаются с аннотации MARKUP, которая по умолчанию не отображается, и делает полную аннотацию невидимой. Чтобы избежать этой проблемы, вы можете сделать MARKUP видимыми или обрезать надписи из аннотаций PASSAGE (это на самом деле главный вопрос?). Просто продлить вам правила для действия TRIM:

RETAINTYPE(WS, MARKUP); 
PASSAGE{-> TRIM(WS, MARKUP)}; 
RETAINTYPE; 

Там нет InitialTag аннотаций, потому что нет TagContent аннотаций, потому что нет LBracket аннотаций в примере.

Btw, вы могли бы переписать некоторые правила:

PASSAGE{->MARKFIRST(PassageFirstToken)}; 

(LBracket # RBracket){-PARTOF(TagContent)-> TagContent}; 

ОТКАЗ: Я разработчик UIMA Ruta

Answer 2

//------------------------------------------------------------------- 
// SPECIAL SQUARE HYPHEN PARENTHESIS 
//------------------------------------------------------------------- 
DECLARE LParen, RParen; 
SPECIAL{REGEXP("[(]") -> MARK(LParen)}; 
SPECIAL{REGEXP("[)]") -> MARK(RParen)}; 

DECLARE LSQParen, RSQParen; 
SPECIAL{REGEXP("[\\[]") -> MARK(LSQParen)}; 
SPECIAL{REGEXP("[\\]]") -> MARK(RSQParen)}; 

DECLARE LANGLEBRACKET,RANGLEBRACKET; 
SPECIAL{REGEXP("<")->MARK(LANGLEBRACKET)}; 
AMP{REGEXP("&lt;")->MARK(LANGLEBRACKET)}; 
SPECIAL{REGEXP(">")->MARK(RANGLEBRACKET)}; 
AMP{REGEXP("&gt;")->MARK(RANGLEBRACKET)}; 

DECLARE LBracket,RBracket; 

(LParen|LSQParen|LANGLEBRACKET){->MARK(LBracket)}; 
(RParen|RSQParen|RANGLEBRACKET){->MARK(RBracket)}; 


DECLARE PASSAGE,TESTPASSAGE; 

     "<a name=\"para(.+?)\">(.*?)</a>"->2=PASSAGE; 

RETAINTYPE(WS); // or RETAINTYPE(SPACE, BREAK,...); 
PASSAGE{-> TRIM(WS)}; 
RETAINTYPE; 

    PASSAGE{->MARK(TESTPASSAGE)}; 



DECLARE TagContent,PassageFirstToken,InitialTag; 
LBracket ANY+? RBracket{-PARTOF(TagContent)->MARK(TagContent,1,3)}; 


BLOCK(foreach)PASSAGE{} 
{ 
Document{->MARKFIRST(PassageFirstToken)}; 
} 
TagContent{CONTAINS(PassageFirstToken),-PARTOF(InitialTag)->MARK(InitialTag)}; 


BLOCK(foreach)PASSAGE{} 
{ 
InitialTag ANY+{->SHIFT(PASSAGE,2,2)}; 

}