Permalink
Branch: master
Find file Copy path
Fetching contributors…
Cannot retrieve contributors at this time
45 lines (33 sloc) 2.45 KB
# kontekst: https://wilkowski.org/notka/1630
# definicja funkcji
nlprest2 <- function(t,u) {
library(httr)
library(xml2)
d <- data.frame(stringsAsFactors = FALSE)
p <- list(lpmn="any2txt|wcrft2",text=t,user=u)
s <- POST("http://ws.clarin-pl.eu/nlprest2/base/process", body = p, encode = "json", verbose())
r <- content(s, "text")
orth <- unlist(as_list(xml_find_all(read_xml(r),"//tok/orth")))
base <- unlist(as_list(xml_find_all(read_xml(r),"//tok/lex/base")))
ctag <- unlist(as_list(xml_find_all(read_xml(r),"//tok/lex/ctag")))
d <- rbind(d, as.data.frame(list(base = base, ctag = ctag), stringsAsFactors = FALSE))
t <- paste(d$base, collapse = " ")
return(list(source = unlist(strsplit(t, " ")), table = d, string = gsub('[[:punct:] ]+',' ',t)))
}
# uruchomienie z przykładowym tekstem:
t <- nlprest2("Ponad 20 lat temu pracowałem w antykwariacie w Vancouver i musiałem cały czas siedzieć za biurkiem. Właściciele antykwariatów są zawsze bardzo specyficzni. Tamten bał się, że gdybym na chwilę wstał, to zaraz ktoś by ukradł wszystkie pieniądze. Więc siedziałem i czytałem. Zupełnym przypadkiem na moje biurko trafił „Zniewolony umysł”, w którym Miłosz opisuje całe mnóstwo polskich pisarzy. Miałem poczucie, że otworzył się przede mną prywatny kosmos autorów, o których nikt w Kanadzie nie słyszał.","fds9sdfl@0fds8.pl")
# rezultat: podzielony na wyrazy tekst źródłowy
t$source[1:10]
# [1] "ponad" "20" "lato" "temu" "pracować" "być" "w" "antykwariat"
# [9] "w" "Vancouver"
# rezultat: data frame z formami podstawowymi i cechami gramatycznymi
t$table[1:5,]
# base ctag
#1 ponad qub
#2 20 num:pl:nom:m1:rec
#3 lato subst:pl:gen:n
#4 temu prep:acc
#5 pracować praet:sg:m1:imperf
# rezultat: tekst źródłowy złożony z form podstawowych bez interpunkcji
t$string
#[1] "ponad 20 lato temu pracować być w antykwariat w Vancouver i musieć być cały czas siedzieć za biurko właściciel antykwariat być zawsze bardzo specyficzny tamten bać #się że gdyby być na chwila wstać to zaraz ktoś by ukraść wszystek pieniądz więc siedzieć być i czytać być zupełny przypadek na moja biurko trafić zniewolić umysł w który #Miłosz opisywać cały mnóstwo polski pisarz miał poczucie że otworzyć się przed ja prywatny kosmos autor o który nikt w Kanada kanada nie słyszeć "