|
文本参数 |
|
|
|
|
文本参数 |
|
|
|
这些设置会影响Wordsmith如何处理你的文本。在窗口上方有语言类别（如，英语）的选择框以及下级选项（如，英国、澳大利亚等）。这些选择决定于你之前的参数设置。也就是说， That is, the expectation is that you only work with a few preferred languages, 这些参数这需要设置一次，以后不需要重复设置。 设置时点击 Edit Languages编辑语言 按键。
以下选择会因语言而异：
你可以说明连字符是否作为单词分隔符。如果连字符选择框被标记为 [X]，单词self-access 就会按两个单词处理。
如果数字作为单词出现时，它们可以被列入词表吗？如果该选择框未选，那么在词表、关键字、索引等工具运行中，像$300、50.3M、及10th的数字就会被忽略。但是，如果在选择框中键入#，数字就会被列入。
已选语言，WordSmith会自动包含操作系统默认的字母排序为有效地字母排序符号。因此，对于英语，A到Z及通常的重音符，比如 é都会被包含。对于阿拉伯语或日语，只要是微软操作系统可提供的字符都会被包含在字母内。
但有时用户可能需要在词中加入其他字符。比如：在英语中，所有格符号'， father's 最好能被包含在有效字符集中。这样在处理类似词汇时就可将所有格当做一个词，而不是将其割裂。（如果用户选择法语，或许就不需要所有格符号'被包含在词中。）
举例：
' （词中只能出现所有格符号'）
'% （所有格符号和百分比符号都可出现在词中）
'_ （所有格符号和下划线都可出现在词中）
用户最多可使其包含10个字符
如果用户想要包含像 fathers' 一类的词汇，选择 allow to end of word 复选框。 选中该项后，只要字符不是单独出现，此类符号都可出现在词尾。（如在 " ' "）。
用户的文本可以是Plain Text纯文本 格式为：默认。如果文本被tagged标记 为HTML， SGML 或XML用户需选其中一项。这样，各工具会对文本中的句子、段落和标题标记的使用会最适宜。
Windows format etc.
对用户所选语言提供 Windows操作系统中 character sets字符集 的相关信息。
对计算标题的工具来说，它们需要知道如何识别标题的开头和结尾。例：如果用户的文本tagged标记 为 <h1> 与 </h1>，在此处输入 <h#> 与 </h#> 。 （# 表示任意位数， 比如## 表示两位）无论输入什么都区分大小写： </H#> 与 </h#>是不同的。（如果用户的有的文本为 HTML 格式，这样格式就会不统一，有时输入 </h1> 有时为 </H1>，这种情况下可使用 Text Converter文本转换器 统一文本格式）。
如果对话框中含有像 <div#> 和 </div>的字符，Tools会识别各字段。同样，输入时区分大小写。
如果字符串中包含词 auto， Tools会将句子识别为defined已定义的 （以句号、问号或感叹号结尾，且后面有一个大写字母），但如果文本被 tagged标记为 比如 <s> 和</s>， 将其在此输入。同样，区分大小写。
Tools识别段落时，需要知道段落开始和结束的构成。例如： 两个<Enter>符号显示（作者在此处两次使用回车键）或者一个 <Enter> 后接一个 <Tab>。这时，用户就要键入 <Enter><Tab>。如果文本被 tagged标记为 <p> 和</p>，用户键入标记符，区分大小写。
在许多情况下，用户或许考虑只要定义段落结尾就足够了（考虑到以上提到的各种情况）。但是很多 HTML 文本并不是总能区分其段落的开始和结尾。
在BNC的口头语料中，使用 </u> 替代 </p>，用户可以不保留</p> 因为 WordSmith 可以使用 </u> 去代替它，如果文本中没有</p> 。
参见： Tagged Text, Stop Lists, Choosing a new language. Processing text in Chinese etc.
Page url: http://www.lexically.net/wordsmith/step_by_step_Chinese/?proc_text_characteristics.htm