forked from kristjan/cjvt-valency
parent
da460f74f1
commit
dc20480e20
@ -0,0 +1,58 @@
|
|||||||
|
from corpusparser import Parser
|
||||||
|
import argparse
|
||||||
|
import logging
|
||||||
|
import json
|
||||||
|
|
||||||
|
logging.basicConfig(level=logging.INFO)
|
||||||
|
logger = logging.getLogger(__name__)
|
||||||
|
|
||||||
|
## Main handles command line arguments and writing to files / DB.
|
||||||
|
|
||||||
|
if __name__ == "__main__":
|
||||||
|
parser = argparse.ArgumentParser(description="Parsing corpora kres and ssj500k.")
|
||||||
|
parser.add_argument('--kres-folder', required=True)
|
||||||
|
parser.add_argument('--kres-srl-folder', required=True)
|
||||||
|
parser.add_argument('--ssj-file', required=True)
|
||||||
|
parser.add_argument('--output', required=False, default=None)
|
||||||
|
parser.add_argument('--outdir', required=False, default=None)
|
||||||
|
parser.add_argument('--dbaddr', required=False, default=None)
|
||||||
|
args = parser.parse_args()
|
||||||
|
|
||||||
|
# parse ssj
|
||||||
|
logger.info("Parsing ssj500k: {}".format(args.ssj_file))
|
||||||
|
ssj_parser = Parser(
|
||||||
|
corpus="ssj",
|
||||||
|
infiles=[args.ssj_file],
|
||||||
|
output=args.output,
|
||||||
|
outdir=args.outdir,
|
||||||
|
)
|
||||||
|
res = [x[1]["sid"] for x in ssj_parser.sentence_generator()]
|
||||||
|
logger.info("Parsed {} sentences (ssj500k)".format(len(res)))
|
||||||
|
|
||||||
|
# parse kres
|
||||||
|
logger.info("Parsing Kres: {}".format(args.ssj_file))
|
||||||
|
kres_parser = Parser(
|
||||||
|
corpus="kres",
|
||||||
|
infiles=[args.kres_folder, args.kres_srl_folder],
|
||||||
|
output=args.output,
|
||||||
|
outdir=args.outdir,
|
||||||
|
)
|
||||||
|
res = [x[1]["sid"] for x in kres_parser.sentence_generator()]
|
||||||
|
logger.info("Parsed {} sentences (kres)".format(len(res)))
|
||||||
|
|
||||||
|
|
||||||
|
## Handling output is situational --- implement it outside of Parser.
|
||||||
|
## Parser returns tuples (orig_file, element)
|
||||||
|
# 1. parse per-file and output to file (JSON)
|
||||||
|
# 2. parse and save to DB
|
||||||
|
|
||||||
|
# TODO
|
||||||
|
def handle_output(self, sent_ent, xml_file):
|
||||||
|
if self.output is None:
|
||||||
|
pass
|
||||||
|
if self.output == "file":
|
||||||
|
outfile = Path(self.outdir) / Path(xml_file.name.split(".")[0]).with_suffix(".json")
|
||||||
|
with outfile.open("a") as fp:
|
||||||
|
print(sent_ent)
|
||||||
|
json.dumps(sent_ent, fp)
|
||||||
|
|
@ -1,25 +0,0 @@
|
|||||||
from corpusparser import Parser
|
|
||||||
import argparse
|
|
||||||
|
|
||||||
if __name__ == "__main__":
|
|
||||||
parser = argparse.ArgumentParser(description="Parsing corpora kres and ssj500k.")
|
|
||||||
parser.add_argument('--kres-folder', required=True)
|
|
||||||
parser.add_argument('--kres-srl-folder', required=True)
|
|
||||||
parser.add_argument('--ssj-file', required=True)
|
|
||||||
args = parser.parse_args()
|
|
||||||
|
|
||||||
# parse ssj
|
|
||||||
"""
|
|
||||||
ssj_parser = Parser(
|
|
||||||
corpus="ssj",
|
|
||||||
infiles=[args.ssj_file]
|
|
||||||
)
|
|
||||||
ssj_parser.parse()
|
|
||||||
"""
|
|
||||||
|
|
||||||
# parse kres
|
|
||||||
kres_parser = Parser(
|
|
||||||
corpus="kres",
|
|
||||||
infiles=[args.kres_folder, args.kres_srl_folder]
|
|
||||||
)
|
|
||||||
kres_parser.parse()
|
|
Loading…
Reference in new issue