如何循环多个文件，保留基本名称以供进一步处理？

Question

我有多个需要标记化的文本文件，POS 和 NER。我正在使用 C&C 标记器并运行了他们的教程，但我我想知道是否有一种方法可以标记多个文件而不是一个一个地标记。

目前，我正在对文件进行标记：

bin/tokkie --input working/tutorial/example.txt--quotes delete --output working/tutorial/example.tok

如下所示，然后是部分语音标记：

bin/pos --input working/tutorial/example.tok --model models/pos --output working/tutorial/example.pos

最后是命名实体识别：

bin/ner --input working/tutorial/example.pos --model models/ner --output working/tutorial/example.ner

我不确定如何创建一个循环来执行此操作并保持文件名与输入相同，但是扩展名代表它所具有的标签。我正在考虑使用 bash 脚本或 Perl 来打开目录，但我不确定如何输入 C&C 命令以使脚本能够理解。

目前我正在手动执行此操作，至少可以说非常耗时！

Answer 1

未经测试，可能需要一些目录修改。

use autodie qw(:all);
use File::Basename qw(basename);

for my $text_file (glob 'working/tutorial/*.txt') {
    my $base_name = basename($text_file, '.txt');
    system 'bin/tokkie',
        '--input'  => "working/tutorial/$base_name.txt",
        '--quotes' => 'delete',
        '--output' => "working/tutorial/$base_name.tok";
    system 'bin/pos',
        '--input'  => "working/tutorial/$base_name.tok",
        '--model'  => 'models/pos',
        '--output' => "working/tutorial/$base_name.pos";
    system 'bin/ner',
        '--input'  => "working/tutorial/$base_name.pos",
        '--model'  => 'models/ner',
        '--output' => "working/tutorial/$base_name.ner";
}

Answer 2

在重击中：

#!/bin/bash
dir='working/tutorial'
for file in "$dir"/*.txt
do
    noext=${file/%.txt}

    bin/tokkie --input "$file" --quotes delete --output "$noext.tok"

    bin/pos --input "$noext.tok" --model models/pos --output "$noext.pos"

    bin/ner --input "$noext.pos" --model models/ner --output "$noext.ner"

done