cldflex

将FLEx数据转换为CLDF格式的CSV。

许多描述语言学家已在FLEx（SIL的字汇探索器）数据库中注释了语言数据，这可能是最受欢迎和可访问的辅助分割和注释工作流程。然而，相对完整的数据导出仅以XML格式提供，这种格式不适合人类阅读，并且不易转换为其他数据。越来越受欢迎的数据格式是CLDF标准，这是一种基于表格的方法，具有可读数据集，旨在在CLLD应用中使用，并且任何可以读取CSV文件（包括R，pandas或电子表格应用程序）的软件都可以轻松处理。cldflex的目标是将存储在FLEx中的词汇和语料库数据转换为CSV表格，主要用于CLDF数据集。

安装

cldflex可在PyPI上获得

pip install cldflex

命令行用法

目前有三种命令：用于.flextext文件的cldflex corpus；用于.lift文件的cldflex dictionary和cldflex wordlist。所有命令都会创建多个CSV文件。可以使用cldfbench从这些文件创建自己的CLDF数据集，或者添加--cldf参数来创建一个简单的CLDF数据集。可以通过--conf your/config.yaml传递特定项目的配置，或者创建一个cldflex.yaml文件。

语料库

基本用法

cldflex corpus texts.flextext

将语料库与词汇表连接

cldflex corpus texts.flextext --lexicon lexicon.lift

创建CLDF数据集

cldflex corpus texts.flextext --lexicon lexicon.lift --cldf

词典

从lexicon.lift中提取词素、词形和条目

cldflex dictionary lexicon.lift

使用Dictionary模块创建CLDF数据集

cldflex dictionary lexicon.lift --cldf

词表

使用Wordlist模块创建CLDF数据集

cldflex wordlist lexicon.lift --cldf

API用法

与上述命令对应的函数是cldflex.corpus.convert()和cldflex.lift2csv.convert()。

配置

没有默认配置。相反，cldflex会猜测大多数参数的值，并告诉你它在做什么。建议在出现错误或需要更改某些内容之前不进行配置。为CLI使用创建一个YAML文件，将字典传递给convert方法。

• obj_lg：目标语言
• gloss_lg：用于注解/翻译的语言
• msa_lg：用于存储词性信息的语言
• lang_id：创建的表中将使用的值
• glottocode：用于从glottolog查找语言元数据
• csv_cell_separator：如果单元格中有多个值（词素变体、多义词...），默认情况下它们由"; "分隔
• form_slices：如果您不希望形式切片连接词素和词形，则将其设置为false
• mappings：指定创建的CSV文件中列名称更改的字典