Blame view
tools/lia_ltbox/lia_ne_v2.2/src/edy_recap.c
5.53 KB
f34231730 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); } |