请问想在CCL语料库和BCC语料库中分别检索汉语动词重叠式（可以是单音节动词，也可以是双音节动词），请问检索式分别应该怎样写？

Question

请问想在CCL语料库和BCC语料库中分别检索汉语动词重叠式（可以是单音节动词，也可以是双音节动词），请问检索式分别应该怎样写？

Answer 1

引自微信小程序：皆我百晓生：

1. 在CCL语料库中检索汉语动词重叠式

对于CCL语料库，可以使用正则表达式来进行检索。以下是一个示例代码，你可以根据需要进行修改：

import re
from ccl_corpus import CorpusReader

# 指定语料库路径
corpus_path = "path_to_ccl_corpus"

# 定义正则表达式检索式
pattern = r'(\p{Han}+)\1'  # 匹配汉字的重叠式

# 创建语料库读取器
reader = CorpusReader(corpus_path)

# 遍历语料库中的文件
for file in reader.fileids():
    # 读取文件内容
    content = reader.raw(file)
    
    # 在文件内容中进行正则匹配
    matches = re.findall(pattern, content)
    
    # 打印匹配结果
    if matches:
        for match in matches:
            print(match)

上述代码中，你需要替换path_to_ccl_corpus为你实际的CCL语料库路径。检索式pattern使用了正则表达式，其中\p{Han}表示匹配汉字字符，\1表示对前一个匹配项的引用，即重叠式。代码通过语料库读取器CorpusReader读取每个文件的内容，然后使用re.findall()函数进行正则匹配，在命中的情况下打印出匹配结果。

2. 在BCC语料库中检索汉语动词重叠式

对于BCC语料库，可以使用BCC数据平台提供的API进行检索。以下是一个示例代码，你可以根据需要进行修改：

import requests

# 定义API请求参数
api_url = "https://api.bcc.com/zh/search"
headers = {
    "Content-Type": "application/json"
}
payload = {
    "query": "重叠式",
    "filter": {
        "corpus": "BCC",
        "domain": [
            "新闻",
            "博客"
        ],
        "seg_word": ".*重[叠复]+.*"
    },
    "size": 100
}

# 发送API请求
response = requests.post(api_url, json=payload, headers=headers)
data = response.json()

# 提取检索结果
if "hits" in data:
    for hit in data["hits"]:
        print(hit["seg_word"])

以上示例代码中，你可以修改"query"字段为实际的检索词，修改"domain"字段为你希望检索的领域（如新闻、博客等），"seg_word"字段为检索的动词重叠式的正则表达式（示例中的正则表达式匹配重、叠和复等字符的重复）。代码通过发送API请求获取检索结果，并从中提取出匹配的动词重叠式进行打印。

请注意，以上示例代码仅为演示目的，实际使用时你需要根据具体需求对代码进行适当的修改和调整。