Each time you upload XML, HTML, MD, or any other source files without a key-value structure, the predefined segmentation rules (SRX 2.0) are used for automatic content segmentation. Although, there might be situations when the default segmentation rules segment source files in contrast to the desired expectations. In questo caso, puoi definire le tue regole di segmentazione per ogni file sorgente individualmente, usando lo standard SRX 2.0.
You can change segmentation in the Content > Files.
After you save your new segmentation rules, your source file will be automatically reimported and segmented according to these new rules.
Un file SRX tipico somiglia al seguente:
<?xml version="1.0" encoding="UTF-8"?>
<srx version="2.0"
xmlns="http://www.lisa.org/srx20"
xsi:schemaLocation="http://www.lisa.org/srx20 srx20.xsd"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
<header segmentsubflows="yes" cascade="yes">
<formathandle type="start" include="no"/>
<formathandle type="end" include="yes"/>
<formathandle type="isolated" include="yes"/>
</header>
<body>
<languagerules>
<languagerule languagerulename="Default">
<!-- Common rules for most languages -->
<rule break="no">
<beforebreak>^\s*[0-9]+\.</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
<rule break="yes">
<afterbreak>\n</afterbreak>
</rule>
<rule break="yes">
<beforebreak>[\.\?!]+</beforebreak>
<afterbreak>\s</afterbreak>
</rule>
</languagerule>
</languagerules>
<maprules>
<!-- List exceptions first -->
<languagemap languagepattern="[Ee][Nn].*" languagerulename="English"/>
<languagemap languagepattern="[Ff][Rr].*" languagerulename="French"/>
<!-- Japanese breaking rules -->
<languagemap languagepattern="[Jj][Aa].*" languagerulename="Japanese"/>
<!-- Common breaking rules -->
<languagemap languagepattern=".*" languagerulename="Default"/>
</maprules>
</body>
</srx>
Solitamente, l’interruzione completa è usata come separatore della frase. Although, for some Asian languages, it’s not the case. For example, the typical sentence separator in Chinese is an ideographic full stop (。
). For such cases, you may want to use the following ruleset:
<rule break="yes">
<beforebreak>[\x3002]+</beforebreak>
<afterbreak></afterbreak>
</rule>
In the following simple sentence, we’ll break down a case when segmenting one text piece into two (or more) strings is necessary.
Testo con regole di segmentazione predefinite:
Questa è la prima parte dell'esempio di frase e questa è la seconda parte.
Testo con le nuove regole di segmentazione:
Questa è la prima frase della frase d'esempio
e questa è la seconda parte.
For this particular case, the following ruleset will break the initial sentence into two parts:
<rule break="yes">
<beforebreak>frase</beforebreak>
<afterbreak>\u0020</afterbreak>
</rule>
Le regole di segmentazione SRX possono esser create e mantenute con l’aiuto di strumenti come Ratel. Ha un’interfaccia visiva dove puoi generare le regole di segmentazione da zero o modificare quelle esistenti.
Serve aiuto per configurare le tue regole di segmentazione personalizzate o hai qualche domanda? Contatta il Team di Supporto.