Obrábění litevských korpusů

Tagování

Připravit adresáře IL7, LEM, TAG a XML
Z trnky zkopírovat <fajl>.lt-00.xml do XML

Převést do IL7:

cd XML
for ff in *.xml; do
    echo $ff
    u2lat7ent.pl < $ff |\
    recode u8..l7 |\
    perl -pe 's:(<s\ [^>]+>):$1\n:g' |\
    perl -pe 's:(</s>):\n$1:g' |\
    perl -pe 's:(</?[uib]>):\n$1\n:g' |\
    perl -pe 's:(</?subscrpt>):\n$1\n:g' |\
    perl -pe 's:(</?suprscrpt>):\n$1\n:g' |\
    perl -pe 's:(</?s?ti>):\n$1\n:g' > ../IL7/${ff%.xml}.il7
done

nebo použít hotový skript xml2il7.sh (je třeba být v adresáři nad XML)

Je-li soubor moc velký, nasekat ho pomocí skriptu splitxml na kousky:
```
splitxml Acquis < Acquis.lt-00.il7
```
Přejít na PC, přetáhnout <fajl>.lt-00.il7 do adresáře H:\Dokumenty\Cz-Lt-Dict\Tagger\texts a spustit tagger.exe (na něj jít přes ikonu Počítač!)
Výsledný <fajl>.lt-00.il7.lem přetáhnout do adresáře LEM a nezapomenout udělat dos2unix!!!:
```
for ff in *; do dos2unix $ff; done
```

Převést do XML:

lem2tag < LEM/<fajl>.lt-00.il7.lem > TAG/<fajl>.lt-00.tag.xml

anebo

cd LEM
for ff in *; do echo $ff; lem2tag.sh < $ff > ../TAG/${ff%.il7.lem}.tag.xml; done