如何输入文本文件API中的R

我想使用这个API：如何输入文本文件API中的R

http(s)://lindat.mff.cuni.cz/services/morphodita/api/

与方法“标签”。它会标记并简化我的文本输入。它在文本字符串（见下文）中工作得很好，但我需要将整个文件发送到API。

只是为了显示字符串作为输入正常工作：

method <- "tag" 
    lemmatized_text <- RCurl::getForm(paste# 
    ("http://lindat.mff.cuni.cz/services/morphodita/api/", method, sep = ""), 
    .params = list(data = "Peter likes cakes. John likes lollypops.",# 
    output = "json", model = "english-morphium-wsj-140407-no_negation"), # 
method = method)

这是 - 正确 - 结果：

[1] "{\n \"model\": \"english-morphium-wsj-140407-no_negation\",\n 
\"acknowledgements\": [\n \"http://ufal.mff.cuni.cz 
/morphodita#morphodita_acknowledgements\",\n \"http://ufal.mff.cuni.cz 
/morphodita/users-manual#english-morphium-wsj_acknowledgements\"\n ],\n 
\"result\": [[{\"token\":\"Peter\",\"lemma\":\"Peter\",\"tag\":\"NNP 
\",\"space\":\" \"},{\"token\":\"likes\",\"lemma\":\"like\",\"tag\":\"VBZ 
\",\"space\":\" \"},{\"token\":\"cakes\",\"lemma\":\"cake\",\"tag\":\"NNS 

[truncated by me]

然而，与载体有对应于线元件替换字符串文本文件不起作用，因为API需要输入字符串。只有一个，默认情况下第一，矢量元素将被处理：

method <- "tag" 
    mydata <- c("cakes.", "lollypops") 
    lemmatized_text <- RCurl::getForm(paste("http://lindat.mff.cuni.cz 
    /services/morphodita/api/", method, sep = ""), 
    .params = list(data = mydata, output = "json", 
    model = "english-morphium-wsj-140407-no_negation")) 

[1] "{\n \"model\": \"english-morphium-wsj-140407-no_negation\",\n 
     [truncated by me] 
    \"result\": [[{\"token\":\"cakes\",\"lemma\":\"cake\",\"tag\":\"NNS 
    \"},{\"token\":\".\",\"lemma\":\".\",\"tag\":\".\"}]]\n}\n"

这个问题可以用sapply，并要求在同一时间向量中的每个元素是API的功能，但对每一个元素来减轻结果向量包含一个单独的json文档。为了解析它，我需要整个数据成为一个单一的json文档。

最后，我想textConnection，但它返回一个错误的输出：

mydata <- c("cakes.", "lollypops") 
    mycon <- textConnection(mydata, encoding = "UTF-8") 
    lemmatized_text <- RCurl::getForm(paste# 
    ("http://lindat.mff.cuni.cz/services/morphodita/api/", method,# 
    sep = ""), .params = list(data = mycon, output = "json",# 
    model = "english-morphium-wsj-140407-no_negation")) 

[1] "{\n \"model\": \"english-morphium-wsj-140407-no_negation\",\n 
\"acknowledgements\": [\n \"http://ufal.mff.cuni.cz 
/morphodita#morphodita_acknowledgements\",\n \"http://ufal.mff.cuni.cz 
/morphodita/users-manual#english-morphium-wsj_acknowledgements\"\n ],\n 
\"result\": [[{\"token\":\"5\",\"lemma\":\"5\",\"tag\":\"CD\"}]]\n}\n" 
attr(,"Content-Type")

我可能也说，我已经尝试粘贴和折叠向量成一个单一的元素，但是这是非常脆弱的。它适用于虚拟数据，但不适用于较大的文件，也不适用于捷克文件（尽管UTF-8编码）。 API严格要求使用UTF-8编码的数据。因此，我怀疑编码问题。我曾尝试这个文件：

mydata <- RCurl::getURI("https://ia902606.us.archive.org/4/items/maidmarian00966gut/maidm10.txt", .opts = list(.encoding = "UTF-8"))

，它说

Error: Bad Request

，但是当我只用了几行，突然工作。我还将文件的本地副本从MacIntosh更改为Windows。也许这有些帮助，但绝对不够。

最后我应该补充一点，我在Windows 8 Professional上工作，运行R-3.2.4 64bit，RStudio版本为0.99.879。

来源

2016-12-27 Silvie

我应该使用RCurl::postForm而不是RCurl::getForm，所有其他参数保持不变。正如我错误地认为的那样，postForm函数不仅可用于在服务器上写入文件。 它不会对要处理的数据的大小施加严格的限制，因为与postForm的数据不会成为URL的一部分，与getForm不同。

这是我的方便功能（需要RCurl，stringi，stringr，magrittr）：

process_w_morphodita <- function(method, data, output = "json", model 
    = "czech-morfflex-pdt-161115", guesser = "yes",...){ 
    # for formally optional but very important argument-value pairs see 
    MorphoDiTa REST API reference at 
    # http://lindat.mff.cuni.cz/services/morphodita/api-reference.php 
    pokus <- RCurl::postForm(paste("http://lindat.mff.cuni.cz/services 
    /morphodita/api/", method, sep = ""), .params = list(data = 
    stringi::stri_enc_toutf8(data), output = output, model = model, 
    guesser = guesser,...)) 
    if (output == "vertical") { 
     pokus <- pokus %>% stringr::str_trim(side = "both") %>% 
     stringr::str_conv("UTF-8") %>% stringr::str_replace_all(pattern = 
     "\\\\t", replacement = "\t") %>% stringr::str_replace_all(pattern = 
     "\\\\n", replacement = "\n") # look for four backslashes, replace 
     with one backslash to get vertical format in text file 
     } 
    return(pokus) 
    }

来源

2016-12-28 13:51:08 Silvie

如何输入文本文件API中的R

回答

相关问题