1. Was ist Geolinguistik? Geolinguistik ist die Variation der Sprache in Abhängigkeit vom Raum Banal: In München spricht man anders als in Hamburg, Paris oder Rom, und in Miesbach anders als in Kufstein Geolinguistik beschäftigt sich praktisch ausschließlich mit der gesprochenen Sprache, nicht mit der Schrift- bzw. Standardsprache 1.1. Dimensionen sprachlicher Variation Der geographische Raum […]
Weiterlesen →8. Sprache, Literatur und Computer Ein Computer ist eine Maschine, die rechnet. Rechnen geschieht mit Zahlen. Wie kommen Schriftzeichen in den Computer und wie kann ein Computer auch mit Schriftzeichen, Sprache und Text rechnen? Was meinen wir mit „digital“ und „Digitalisierung“, wenn wir von der Verarbeitung von Schrift, Sprache und Text sprechen? 8.1. Gegenstand der […]
Weiterlesen →Der MySQL-Operator regexp (= rlike) ist *nicht multibyte-safe*! -> select * from tokens where token regexp ‚^…$‘; -> „für“ fehlt, da „ü“ in utf8 mit zwei Byte kodiert wird. regexp geht davon aus, dass jedes Zeichen durch exakt ein Byte kodiert ist. Beweis: „für“ wird gefunden, wenn man nach exakt *vier* Zeichen im Feld Token […]
Weiterlesen →16. Über python Linguistische Datenverarbeitung mit python 17. Beispiel: Parsing eines XML-Dokuments und Ausgabe aller <p>-Inhalte #!/usr/bin/env python # -*- coding: utf-8 -*- import re import xml.etree.ElementTree as etree f = open(‚greif.csv‘, ‚w‘) #PARSING tree = etree.parse(‚greif.xml‘) root = tree.getroot() #DEBUG: OUTPUT TAGS for x in root.iter(): print x.tag + ‚ = ‚ + […]
Weiterlesen →18. Über wget wget ist ein Kommandozeilenprogramm, mit dem Dateien aus dem Internet heruntergeladen werden können. 19. Rekursive Extraktion: https://www.gnu.org/software/wget/manual/wget.html#Recursive-Retrieval-Options wget -r -l 1 http://www.spiegel.de/kultur Beispiel: Extraktion Zeitungskorpus: Kultur-Seite und die Artikel, auf die diese verweist (Rekursionstiefe 1); weitere Anwendungsmöglichkeiten: Extraktion von Chats/Foren etc.(Aufbau großer Webkorpora; Stichwort: Web als Korpus) 20. Extraktion nach URL-Muster: mkdir […]
Weiterlesen →To view the contents of this post, you must be authenticated and have the required access level.
Weiterlesen →22. Einführung Das Konzept der regulären Ausdrücke (abgekürzt „RA“ oder „RE“ für engl. Regular Expressions) ist ein System zur variablen bzw. vereinfachten Beschreibung von Zeichenketten („strings“). Sie werden praktisch ausschließlich zum Auffinden von Zeichenketten in Textdokumenten verwendet. Als ihr „Erfinder“ gilt der amerikanische Mathematiker Stephen Cole Kleene (1909-1994). Ursprünglich aus dem Bereich der Informatik bzw. der […]
Weiterlesen →