clarke等人描述的gcl区域代数和查询语言的python实现。
pyra的Python项目详细描述
pyra-python区域代数
==
pyra是[1]中描述的区域代数和查询语言的python实现。
区域代数被用来有效地查询半结构化文本文档。这个特殊的
区域代数在广义一致列表（gcls）上操作。gcl是区域
（也称为区段）的列表，这些区域遵循以下约束：*列表中的任何区域都不能有嵌套在同一列表中的另一个
区域*。有关此区域
代数及其有用原因的快速在线介绍，请访问：
[wumpus search]（http://www.wumpus-search.org/docs/gcl.html）
通常，此区域代数适合从具有轻量级
结构的文档中提取数据，并且是可选的。更多的重量级解决方案，如xpath查询。
r/>"token"标记是带引号的字符串。使用"\"转义引号，和"\"转义转义
"a"，"b"，"c"短语是逗号分隔的标记
int位置表示为裸整数（例如4071）
（这里a和b是任意区域代数表达式，n是整数）
----------------------------------------------------------
a^b返回同时匹配a和b的所有区段
a+b返回同时匹配a或b（或两者）的所有区段
a..b返回以a开头以b结尾的所有区段
a>；b返回与a匹配并包含与b匹配的区段的所有区段
a<；b返回与a匹配的所有区段，包含在与b匹配的区段中他开始投射。对于a中的每个区段（u，v），返回（u，u）
{a}的"end"投影。对于a中的每个区段（u，v），return（v，v）
[n]返回长度n的所有区段，其中n是一个整数（基本上是一个滑动窗口）
/>a/<；b返回与a匹配的所有区段，而不包含在与b匹配的区段中
\返回所有剧本、动作、场景等的标题**
"<；title>；"."<；/title>；"
结果：
片段（15,23）：<；title>；安东尼和克利奥帕特拉的悲剧<；/title>；
片段（68,72）：<；title>；戏剧人物<；/title>；
切片（279283）：<；title>；第一幕<；/title>；
切片（284295）：<；title>；克利奥帕特拉宫殿的亚历山大一景房间<；/title>；
切片（10971105）：<；title>；场景二相同的另一个房间<；/title>；
切片（35263534）：<；title>；scene iii相同的另一个房间<；/title>；
切片（48894898）：<；title>；scene iv rome octavius caesar s house<；/title>；
切片（58855893）：<；title>；scene v alexandria cleopatra s palace<；/title>；。
…而且，还有更多…
**返回所有播放的标题**
**（即，在播放中找到的第一个标题）**
（"<；title>；"."<；/title>；"）<；（"<；play>；"."<；/title>；"）
结果：
片段（15,23）：<；title>；悲剧安东尼和克利奥帕特拉之日ICE（4051440522）：<；title>；结束时一切顺利<；title>；
切片（7556775573）：<；title>；随心所欲<；title>；
切片（107909107915）：<；title>；错误喜剧<；title>；
切片（130779130785）：<；title>；科里奥拉努斯的悲剧<；title>；
切片（173424173427）：<；title>；辛白林<；title>；
切片（214962214969）：<；title>；仲夏夜之梦<；title>；
切片（239304239313）：<；title>；登马王子的悲剧RK<；/标题>；
…还有更多…
**返回包含单词"henry"的所有剧本的标题*
（（"<；title>；"."<；/title>；"）<；（"<；play>；"."<；/title>；"）>；"henry"
结果：
片段（322005322014）：<；title>；henry的第二部分第四个切片（361126361134）：<；title>；亨利五世的一生<；title>；
切片（399220399229）：<；title>；亨利六世的第一部分<；title>；
切片（431541431550）：<；title>；亨利四世的第二部分e第六部分<；/title>；
片段（469240469249）：<；title>；第六部分亨利的第三部分<；/title>；
片段（5059205932）：<；title>；亨利生平的著名历史……
**返回短剧标题（4个或几个字）**
**（注意：我们必须在标记计数中包含标记）**
（（"<；title>；"".""<；title>；"）<；（"<；play>；"".""<；title>；"）<；[6]
结果：
切片（7556775573）：<；title>；根据您的喜好<；title>；
切片（107909107915）：<；title>；错误的喜剧<；title>；
切片（130779130785）：<；title>；科里奥拉努斯的悲剧<；title>；
切片（173424173427）：<；title>；辛贝林<；title>；
切片（677133677138）：<；title>；量度<；title>；
切片（744759744765）：<；title>；麦克白的悲剧<；title>；
切片（771553771559）：<；title>；威尼斯商人<；title>；
切片（80254082546）：<；title>；无事生非<；title>；
切片（875994876000）：<；title>；伯里克利斯轮胎王子<；title>；
slice（10817501081754）：<；title>；暴风雨<；title>；
slice（12339681233974）：<；title>；冬季故事<；title>；
**返回包含短语"是不是"的所有剧本的标题be'**
（（"<；title>；"."<；/title>；"）<；（"<；play>；"."<；/title>；"））<；（"<；play>；"."<；/play>；"）>；（"to"，"be"，"or"，"not"，"to"，"be"）））
结果：
切片（2393042393133）：<；title>；丹麦王子哈姆雷特的悲剧<；/title>；
\
以下是上述查询的示例实现：
r/>gcl=gcl（iidx）
播放标题=g.parse（'（"<；title&g t；"."<；title>；"）<；（"<；play>；"."<；title>；"））
包含单词"henry"
"亨利"，播放标题：
print（"%s\t%s"，（str（myslice），"".join（corpus[myslice]）
对于g.parse中的myslice（'%1<；（%2&g t；（"witch"^"duncan"））'，play_titles，whole_play s）：
print（"%s\t%s"，（str（myslice），".join（corpus[myslice]）
皮拉使用的语法草图：
gcl_expr:（gcl_expr）
gcl_expr…gcl_u expr
gcl_expr>；gcl_expr
gcl_expr<；gcl_expr
[int]
int
短语
短语：字符串，短语
string
参考文献
[1]Clarke，C.L.，Cormack，G.V.，&Burkowski，F.J.（1995）。结构化文本搜索代数及其实现框架。《计算机期刊》，38（1），43-56。芝加哥
==
pyra是[1]中描述的区域代数和查询语言的python实现。
区域代数被用来有效地查询半结构化文本文档。这个特殊的
区域代数在广义一致列表（gcls）上操作。gcl是区域
（也称为区段）的列表，这些区域遵循以下约束：*列表中的任何区域都不能有嵌套在同一列表中的另一个
区域*。有关此区域
代数及其有用原因的快速在线介绍，请访问：
[wumpus search]（http://www.wumpus-search.org/docs/gcl.html）
通常，此区域代数适合从具有轻量级
结构的文档中提取数据，并且是可选的。更多的重量级解决方案，如xpath查询。
r/>"token"标记是带引号的字符串。使用"\"转义引号，和"\"转义转义
"a"，"b"，"c"短语是逗号分隔的标记
int位置表示为裸整数（例如4071）
（这里a和b是任意区域代数表达式，n是整数）
----------------------------------------------------------
a^b返回同时匹配a和b的所有区段
a+b返回同时匹配a或b（或两者）的所有区段
a..b返回以a开头以b结尾的所有区段
a>；b返回与a匹配并包含与b匹配的区段的所有区段
a<；b返回与a匹配的所有区段，包含在与b匹配的区段中他开始投射。对于a中的每个区段（u，v），返回（u，u）
{a}的"end"投影。对于a中的每个区段（u，v），return（v，v）
[n]返回长度n的所有区段，其中n是一个整数（基本上是一个滑动窗口）
/>a/<；b返回与a匹配的所有区段，而不包含在与b匹配的区段中
\返回所有剧本、动作、场景等的标题**
"<；title>；"."<；/title>；"
结果：
片段（15,23）：<；title>；安东尼和克利奥帕特拉的悲剧<；/title>；
片段（68,72）：<；title>；戏剧人物<；/title>；
切片（279283）：<；title>；第一幕<；/title>；
切片（284295）：<；title>；克利奥帕特拉宫殿的亚历山大一景房间<；/title>；
切片（10971105）：<；title>；场景二相同的另一个房间<；/title>；
切片（35263534）：<；title>；scene iii相同的另一个房间<；/title>；
切片（48894898）：<；title>；scene iv rome octavius caesar s house<；/title>；
切片（58855893）：<；title>；scene v alexandria cleopatra s palace<；/title>；。
…而且，还有更多…
**返回所有播放的标题**
**（即，在播放中找到的第一个标题）**
（"<；title>；"."<；/title>；"）<；（"<；play>；"."<；/title>；"）
结果：
片段（15,23）：<；title>；悲剧安东尼和克利奥帕特拉之日ICE（4051440522）：<；title>；结束时一切顺利<；title>；
切片（7556775573）：<；title>；随心所欲<；title>；
切片（107909107915）：<；title>；错误喜剧<；title>；
切片（130779130785）：<；title>；科里奥拉努斯的悲剧<；title>；
切片（173424173427）：<；title>；辛白林<；title>；
切片（214962214969）：<；title>；仲夏夜之梦<；title>；
切片（239304239313）：<；title>；登马王子的悲剧RK<；/标题>；
…还有更多…
**返回包含单词"henry"的所有剧本的标题*
（（"<；title>；"."<；/title>；"）<；（"<；play>；"."<；/title>；"）>；"henry"
结果：
片段（322005322014）：<；title>；henry的第二部分第四个切片（361126361134）：<；title>；亨利五世的一生<；title>；
切片（399220399229）：<；title>；亨利六世的第一部分<；title>；
切片（431541431550）：<；title>；亨利四世的第二部分e第六部分<；/title>；
片段（469240469249）：<；title>；第六部分亨利的第三部分<；/title>；
片段（5059205932）：<；title>；亨利生平的著名历史……
**返回短剧标题（4个或几个字）**
**（注意：我们必须在标记计数中包含标记）**
（（"<；title>；"".""<；title>；"）<；（"<；play>；"".""<；title>；"）<；[6]
结果：
切片（7556775573）：<；title>；根据您的喜好<；title>；
切片（107909107915）：<；title>；错误的喜剧<；title>；
切片（130779130785）：<；title>；科里奥拉努斯的悲剧<；title>；
切片（173424173427）：<；title>；辛贝林<；title>；
切片（677133677138）：<；title>；量度<；title>；
切片（744759744765）：<；title>；麦克白的悲剧<；title>；
切片（771553771559）：<；title>；威尼斯商人<；title>；
切片（80254082546）：<；title>；无事生非<；title>；
切片（875994876000）：<；title>；伯里克利斯轮胎王子<；title>；
slice（10817501081754）：<；title>；暴风雨<；title>；
slice（12339681233974）：<；title>；冬季故事<；title>；
**返回包含短语"是不是"的所有剧本的标题be'**
（（"<；title>；"."<；/title>；"）<；（"<；play>；"."<；/title>；"））<；（"<；play>；"."<；/play>；"）>；（"to"，"be"，"or"，"not"，"to"，"be"）））
结果：
切片（2393042393133）：<；title>；丹麦王子哈姆雷特的悲剧<；/title>；
\
以下是上述查询的示例实现：
r/>gcl=gcl（iidx）
播放标题=g.parse（'（"<；title&g t；"."<；title>；"）<；（"<；play>；"."<；title>；"））
包含单词"henry"
"亨利"，播放标题：
print（"%s\t%s"，（str（myslice），"".join（corpus[myslice]）
对于g.parse中的myslice（'%1<；（%2&g t；（"witch"^"duncan"））'，play_titles，whole_play s）：
print（"%s\t%s"，（str（myslice），".join（corpus[myslice]）
皮拉使用的语法草图：
gcl_expr:（gcl_expr）
gcl_expr…gcl_u expr
gcl_expr>；gcl_expr
gcl_expr<；gcl_expr
[int]
int
短语
短语：字符串，短语
string
参考文献
[1]Clarke，C.L.，Cormack，G.V.，&Burkowski，F.J.（1995）。结构化文本搜索代数及其实现框架。《计算机期刊》，38（1），43-56。芝加哥
欢迎加入QQ群-->： 979659372
