用 Python 解析 GATE 文档的 TextWithNodes 元素

问题描述

在 NLP 项目中，我需要处理 GATE XML 文档的 TextWithNodes 元素中的文本和注释。此元素具有以下外观：

<TextWithNodes>
Some kind of sample <Node id="123" /> text 
in which <Node id="234" /> varIoUs Node 
elements appear.
</TextWithNodes>

然后节点元素通过 ID 属性与同一文件中稍后的注释相关联。这显然是标准的 GATE 语法。但是，在 Python 中使用 xml.etree.ElementTree 模块时，我似乎无法捕获 TextWithNodes 元素的全部内容。如果我输入这个--

>>> tree = ET.parse('my_file.xml')
>>> twn = tree.find('TextWithNodes')
>>> twn.text
Some kind of sample

也就是说，我只得到第一个 Node 元素之前的第一个文本片段。我怎样才能获得整块文本，其中嵌入了 Node 元素？或者有没有更好的方法来解决这个问题？最终，我想将整个文本内容转换为一个句子列表，其中的每个元素都将句子的文本与从节点 ID 到相应注释的文本内容的字典配对——类似这样。谢谢。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）