ucto - Online in the Cloud

JADUAL:

NAMA

ucto - Unicode Tokenizer

SINOPSIS

ucto [[pilihan]] [input-fail] [[output-fail]]

DESCRIPTION

ucto ucto tokenizes fail teks: ia memisahkan perkataan daripada tanda baca, memisahkan ayat (dan
secara pilihan perenggan), dan mencari petikan berpasangan. Ucto diprakonfigurasikan dengan tokenisasi
peraturan untuk beberapa bahasa.

PILIHAN

-c fail konfigurasi
membaca tetapan daripada fail

-d nilai
tetapkan mod nyahpepijat kepada 'nilai'

-e nilai
tetapkan pengekodan input. (UTF8 lalai)

-f
lumpuhkan penapisan aksara khas

-L bahasa
Secara automatik memilih fail konfigurasi mengikut kod bahasa. cth 'fr' akan
pilih fail tokconfig-fr dari direktori pemasangan

-l
Tukar kepada semua huruf kecil

-u
Tukar kepada semua huruf besar

-n
Keluarkan satu ayat setiap baris pada output

-m
Andaikan satu ayat setiap baris pada input

--laluan
Jangan tokenize, tetapi lakukan penyahkodan input dan pengesanan peranan token mudah

-P
Lumpuhkan Pengesanan Perenggan

-Q
Dayakan Pengesanan Sebut Harga. (ini adalah percubaan dan mungkin membawa kepada keputusan yang tidak dijangka)

-S
Lumpuhkan Pengesanan Ayat

-s
Tetapkan penanda Akhir ayat. (Lalai )

-V
Tunjukkan maklumat versi

-v
tetapkan mod Verbose

-F
Baca dokumen XML FoLiA, tokenize dan keluarkan dokumen yang diubah suai. (ini melumpuhkan
penggunaan kebanyakan pilihan lain: -nulPQvsS)

--kelas teks CLS
Apabila menandakan dokumen XML FoLiA, cari nod teks kelas 'cls'

-X
Output FoLiA XML. (ini melumpuhkan penggunaan kebanyakan pilihan lain: -nulPQvsS)

--ID
Gunakan ID Dokumen yang ditentukan untuk XML FoLiA

-x (usang)
Output FoLiA XML, gunakan ID Dokumen yang ditentukan. (ini melumpuhkan penggunaan kebanyakan yang lain
pilihan: -nulPQvsS)

usang Penggunaan -X and --ID sebaliknya

Gunakan ucto dalam talian menggunakan perkhidmatan onworks.net