Blame view

tools/lia_ltbox/lia_ne_v2.2/src/edy_recap.c 5.53 KB
f34231730   Jean-François Rey   add lia_ne + crf+...
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
  /*  Put back capital letter according to the NE tagger and a few rules  (for EDYLEX)  */
  /*  FRED 0710  */
  
  #include <stdio.h>
  #include <stdlib.h>
  #include <string.h>
  #include <strings.h>
  
  /*................................................................*/
  
  #define TailleLigne     8000
  
  #define True    1
  #define False   0
  
  void ERREUR(char *ch1,char *ch2)
  {
  fprintf(stderr,"ERREUR : %s %s
  ",ch1,ch2);
  exit(0);
  }
  
  void ERREURd(char *ch1, int i)
  {
  fprintf(stderr,"ERREUR : %s %d
  ",ch1,i);
  exit(0);
  }
  
  /*................................................................*/
  
  /* possible tags:
  <s>
  </s>
  <AMOUNT>
  <FONC>
  <LOC>
  <ORG>
  <PERS>
  <PROD>
  <TIME>
  */
  
  #define T_NONE		0
  #define T_AMOUNT	1
  #define T_FONC		2
  #define T_LOC		3
  #define T_ORG		4
  #define T_PERS		5
  #define T_PROD		6
  #define T_TIME		7
  
  /*................................................................*/
  
  #define IF_DIGIT(a) (((a)>='0')&&((a)<='9'))
  
  /*................................................................*/
  
  char upcasse(char c)
  {
  if ((c>='a')&&(c<='z')) return (c-'a')+'A';
   switch (c)
    {
      case 'é' : return 'É' ;
      case 'è' : return 'È' ;
      case 'ê' : return 'Ê' ;
      case 'ë' : return 'Ë' ;
      case 'à' : return 'À' ;
      case 'â' : return 'Â' ;
      case 'ä' : return 'Ä' ;
      case 'î' : return 'Î' ;
      case 'ï' : return 'Ï' ;
      case 'ô' : return 'Ô' ;
      case 'ö' : return 'Ö' ;
      case 'ù' : return 'Ù' ;
      case 'û' : return 'Û' ;
      case 'ü' : return 'Ü' ;
      case 'ç' : return 'Ç' ;
    }
  return c;
  }
  
  /*................................................................*/
  
  char *T_voie[]={"rue","avenue","boulevard","traverse","impasse","place","rond_point","carrefour","route","ville",""};
  
  int in_liste(char *liste[], char *word)
  {
  int i;
  for (i=0;(liste[i][0])&&(strcmp(liste[i],word));i++);
  return liste[i][0];
  }
  
  /*................................................................*/
  
  void last_chance_cap(int lexid, char *word)
  {
  static char ch[TailleLigne];
  int i;
  /* if the word is there, do nothing !! */
  if (!word2code(lexid,word,NULL))
   {
   /* we try first the word with only 1 cap */
   strcpy(ch,word);
   ch[0]=upcasse(ch[0]);
   if (word2code(lexid,ch,NULL)) { strcpy(word,ch); }
   else
    {
    /* we try a cap after each '-' */
    for(i=0;ch[i];i++) if ((i>0)&&((ch[i-1]=='-')||(ch[i-1]=='\'')||(ch[i-1]=='_'))) ch[i]=upcasse(ch[i]);
    if (word2code(lexid,ch,NULL)) { strcpy(word,ch); }
    else
     { /* we try now with the word ALL in capital letter */
     for(i=0;word[i];i++) ch[i]=upcasse(word[i]);
     ch[i]='\0';
     if (word2code(lexid,ch,NULL)) strcpy(word,ch);
     }
    }
   }
  }
  
  void trycap(int lexid, char *word, int t_entity)
  {
  static char ch[TailleLigne];
  int i;
  
  /* we ignore if t_entity is T_LOC and word=rue,avenue,boulevard,traverse,.... */
  if ((t_entity==T_LOC)&&(in_liste(T_voie,word))) { /* do nothing */ return; }
  
  /* we try first the word with only 1 cap */
  word[0]=upcasse(word[0]);
  if (!word2code(lexid,word,NULL))
   {
   /* we try a cap after each '-' */
   for(i=0;word[i];i++) if ((i>0)&&((word[i-1]=='-')||(word[i-1]=='\'')||(word[i-1]=='_'))) word[i]=upcasse(word[i]);
   if (!word2code(lexid,word,NULL))
    { /* we try now with the word ALL in capital letter */
    for(i=0;word[i];i++) ch[i]=upcasse(word[i]);
    ch[i]='\0';
    if (word2code(lexid,ch,NULL)) strcpy(word,ch);
    }
   }
  }
  
  int main(int argc, char **argv)
  {
  int debsent,nb,putcap,prev,lexid,t_entity,i;
  char ch[TailleLigne],*pt,prevword[TailleLigne];
  
  lexid=-1;
  if (argc>1)
   for(nb=1;nb<argc;nb++)
    if (!strcmp(argv[nb],"-lex"))
     {
     if (nb+1==argc) ERREUR("must have a value after argument;",argv[nb]);
     lexid=load_lexicon_first_field(argv[++nb]);
     }
    else
    if (!strcmp(argv[nb],"-h"))
     {
     fprintf(stderr,"Syntax: %s [-h] -lex <biglex_ne>
  ",argv[0]);
     exit(0);
     }
    else ERREUR("unknown option:",argv[nb]);
  
  if (lexid==-1) ERREUR("bad syntax, check '-h'","");
  
  putcap=prev=debsent=False;
  while(fgets(ch,TailleLigne,stdin))
   {
   prevword[0]='\0';
   for(pt=strtok(ch," \t
  ");pt;pt=strtok(NULL," \t
  "))
    {
    if (!strcmp(pt,"<s>")) { debsent=True; } else
    if (!strcmp(pt,"</s>")) { putcap=False; printf("
  "); prev=False; } else
    if (!strcmp(pt,"<AMOUNT>")) { putcap=False; t_entity=T_AMOUNT; } else
    if (!strcmp(pt,"</AMOUNT>")) { putcap=False; t_entity=T_NONE; } else
    if (!strcmp(pt,"<FONC>")) { putcap=False; t_entity=T_FONC; } else
    if (!strcmp(pt,"</FONC>")) { putcap=False; t_entity=T_NONE; } else
    if (!strcmp(pt,"<LOC>")) { putcap=True; t_entity=T_LOC; } else
    if (!strcmp(pt,"</LOC>")) { putcap=False; t_entity=T_NONE; } else
    if (!strcmp(pt,"<ORG>")) { putcap=True; t_entity=T_ORG; } else
    if (!strcmp(pt,"</ORG>")) { putcap=False; t_entity=T_NONE; } else
    if (!strcmp(pt,"<PERS>")) { putcap=True; t_entity=T_PERS; } else
    if (!strcmp(pt,"</PERS>")) { putcap=False; t_entity=T_NONE; } else
    if (!strcmp(pt,"<PROD>")) { putcap=False; t_entity=T_PROD; } else
    if (!strcmp(pt,"</PROD>")) { putcap=False; t_entity=T_NONE; } else
    if (!strcmp(pt,"<TIME>")) { putcap=False; t_entity=T_TIME; } else
    if (!strcmp(pt,"</TIME>")) { putcap=False; t_entity=T_NONE; } else
     {
     if (debsent) pt[0]=upcasse(pt[0]);
     else
     if (putcap) trycap(lexid,pt,t_entity);
     else
     if (!strcmp(pt,"m.")) pt[0]=upcasse(pt[0]);
     debsent=False;
  
     if ((!strcmp(pt,"."))||(!strcmp(pt,","))) /* no space */;
     else
     if (((!strcmp(prevword,"."))||(!strcmp(prevword,",")))&&(IF_DIGIT(pt[0]))) /* no space */;
     else
     if (prevword[strlen(prevword)-1]=='\'') /* no space */;
     else
     if (prev) printf(" ");
  
     last_chance_cap(lexid,pt);
     for(i=0;pt[i];i++) printf("%c",pt[i]=='_'?' ':pt[i]);
  
     prev=True;
     strcpy(prevword,pt);
     }
    }
   }
  exit(0);
  }