平行语料库制作流程说明：在邹颂兵先生、孟令子博士的基础上，由李涛、李晓倩讨论完成，期间胡慧婷也参与讨论，给予了很好的建议。这个流程对于有些老师和同学，实在没有必要这么繁琐，有些步骤可以利用一些软件一次性解决，推荐两款软件试用，文本整理器；PowerGREP。之所以如此繁琐，是想让大家更加详细的了解整个建库流程以及为什么这么做。当然在建库过程中还会遇到更多的问题，大家可以尝试自己去解决。）1． 语料采集（目的不同，方法各异）2． 去噪 （ Emeditor）（1）消除回车和空行：\n\s* —— 空（\n 表示新行； \s 表示空格， * 表示 0 个或多个；之所以加上\s* 是为了避免回车键前面有空格。 ）（2）去空格英文 \s+ 替换为 空格 （ \s 表示空格， +表示 1 个或更多 。该表达式意思表明如果原来有1 个空格，就替换为 1 个空格，如果多于1 个空格，仍然替换为1 个空格。之所以如此，是因为英文单词之间是有1 个空格存在的。）中文 \s* 替换为 空（\s 表示空格， *表示 0 个或更多 。该表达式意思表明如果原来有0 个空格，就替换为0 个空格，如果多于1 个空格，仍然替换为0 个空格。之所以如此，是因为汉字之间是有0 个空格存在的。 ）3． 分词英文 Claws 中文 ICTCLAS （可以选择二级标准，北大标准）中文分词校对常见： 人名标注为/nr ，(如小说 《首席》 里，人名飘雪被标注为“飘 /v 雪/n ”; 可以统一替换为 “飘雪/nr ”); 地名/ns；4． 标点符号处理英语标点符号全部替换成单个标点。（因为 Claws标注后的英文标点及其标注显示为“标点_标点”；以问号 ?为例，即 “ ?_?”；更改后， 变为“ ?”即可。 特别注意省略号，因为 Claws标注后的省略号及其标注显示为“ ._.._.._.”其中第一个“ ._. ”和后面两个“._.._.”之间换行了，这样在添加标志是会造成默认三个英语句号标识。两种解决方案： 1. 替换句号之前查找“._.\n ._.._.”（选择正则表达式一栏），替换成“ --- ”( 什么符号都可以，自己知道意思即可，但整个语料库建设里一般会涉及多人，所以大家要统一) ；2. 如果先替换句号，就直接查找“. \n .. ”（选择正则表达式一栏），替换成“ --- ”。建议所有查找和替换操作都从文本中复制以免格式不匹配。中文标点符号全部转成英文状态下的半角格式并去除其词性标注/w。（ICTCLAS标注后的中文标点及其标注显示为“标点 /w”...
