OBT hjelpeskript

OBT-stemmer.sh

#!/usr/bin/env bash
input_file="${1:-/dev/stdin}"
sed '/^\s*$/d' "$input_file"                    \
    | paste -d '\t\0' - - -                     \
    | sed -e 's/\([^"]*\)$/\t\1/'               \
          -e 's,<word>\(.*\)</word>,\1,'        \
          -e 's/"<\(.*\)>"\t"\(.*\)"/\1\t\2/'   \
    | cut -f3                                   \
    | sed 's/./\L\0/g'

Det dette skriptet gjør er:

• Sett input_file til enten først argumentet, eller stdin.
  • Fjern alle tomme linjer.
  • Slå sammen 4 og 4 linjer.
  • Sett tabulator foran det 3. ordet.
  • Fjern <word></word> taggen.
  • Fjern "<>" og "" rundt ordene.
  • Ta den tredje kolonnen.
  • Konverter til små bokstaver.

Du må først bruke OBT og OBT-Stat programmene for at dette skriptet skal gjøre det riktige.