<html xmlns:v="urn:schemas-microsoft-com:vml" xmlns:o="urn:schemas-microsoft-com:office:office" xmlns:w="urn:schemas-microsoft-com:office:word" xmlns:m="http://schemas.microsoft.com/office/2004/12/omml" xmlns="http://www.w3.org/TR/REC-html40">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<meta name="Generator" content="Microsoft Word 14 (filtered medium)">
<style><!--
/* Font Definitions */
@font-face
        {font-family:Calibri;
        panose-1:2 15 5 2 2 2 4 3 2 4;}
@font-face
        {font-family:Tahoma;
        panose-1:2 11 6 4 3 5 4 4 2 4;}
@font-face
        {font-family:Verdana;
        panose-1:2 11 6 4 3 5 4 4 2 4;}
@font-face
        {font-family:Consolas;
        panose-1:2 11 6 9 2 2 4 3 2 4;}
/* Style Definitions */
p.MsoNormal, li.MsoNormal, div.MsoNormal
        {margin:0cm;
        margin-bottom:.0001pt;
        font-size:12.0pt;
        font-family:"Times New Roman","serif";}
a:link, span.MsoHyperlink
        {mso-style-priority:99;
        color:blue;
        text-decoration:underline;}
a:visited, span.MsoHyperlinkFollowed
        {mso-style-priority:99;
        color:purple;
        text-decoration:underline;}
pre
        {mso-style-priority:99;
        mso-style-link:"HTML Preformatted Char";
        margin:0cm;
        margin-bottom:.0001pt;
        font-size:10.0pt;
        font-family:"Courier New";}
span.HTMLPreformattedChar
        {mso-style-name:"HTML Preformatted Char";
        mso-style-priority:99;
        mso-style-link:"HTML Preformatted";
        font-family:Consolas;
        mso-fareast-language:EN-GB;}
span.EmailStyle19
        {mso-style-type:personal-reply;
        font-family:"Verdana","sans-serif";
        color:#1F497D;}
.MsoChpDefault
        {mso-style-type:export-only;
        font-family:"Calibri","sans-serif";
        mso-fareast-language:EN-US;}
@page WordSection1
        {size:612.0pt 792.0pt;
        margin:72.0pt 72.0pt 72.0pt 72.0pt;}
div.WordSection1
        {page:WordSection1;}
--></style><!--[if gte mso 9]><xml>
<o:shapedefaults v:ext="edit" spidmax="1026" />
</xml><![endif]--><!--[if gte mso 9]><xml>
<o:shapelayout v:ext="edit">
<o:idmap v:ext="edit" data="1" />
</o:shapelayout></xml><![endif]-->
</head>
<body lang="EN-GB" link="blue" vlink="purple">
<div class="WordSection1">
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">This data isn’t TEI, but it looks relatively easy to convert because it already has a line-by-line layout.<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">You can do it with the following regex search-and-replace:<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">Search pattern:<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">&lt;w pos=&quot;(.*?)&quot; msd=&quot;(.*?)&quot; lemma=&quot;(.*?)&quot; lex=&quot;(.*?)&quot; saldo=&quot;(.*?)&quot; prefix=&quot;(.*?)&quot; suffix=&quot;(.*?)&quot; ref=&quot;(.*?)&quot; dephead=&quot;(.*?)&quot; deprel=&quot;(.*?)&quot;&gt;(.*?)&lt;/w&gt;<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">Replace with:<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">$11\t$1\t$2\t$3\t$4\t$5\t$6\t$7\t$8\t$9\t$10\t<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">(you can also omit some of the annotation fields if you do not need them. The above pattern is written for PCRE, but other regex flavours should be similar)<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">hope that helps<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">best<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D">Andrew/<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:&quot;Verdana&quot;,&quot;sans-serif&quot;;color:#1F497D"><o:p>&nbsp;</o:p></span></p>
<p class="MsoNormal"><b><span lang="EN-US" style="font-size:10.0pt;font-family:&quot;Tahoma&quot;,&quot;sans-serif&quot;">From:</span></b><span lang="EN-US" style="font-size:10.0pt;font-family:&quot;Tahoma&quot;,&quot;sans-serif&quot;"> cwb-bounces@sslmit.unibo.it [mailto:cwb-bounces@sslmit.unibo.it]
<b>On Behalf Of </b>Ingrid Sör<br>
<b>Sent:</b> 17 December 2014 13:00<br>
<b>To:</b> Open source development of the Corpus WorkBench<br>
<b>Subject:</b> Re: [CWB] CWB Digest, Vol 95, Issue 6<o:p></o:p></span></p>
<p class="MsoNormal"><o:p>&nbsp;</o:p></p>
<div>
<div>
<div>
<p class="MsoNormal">Thanks for your reply Ruprecht.<o:p></o:p></p>
</div>
<p class="MsoNormal" style="margin-bottom:12.0pt">I am sending you a short excerpt of the beginning of one corpus, as I can't find information regarding if they are TEI or not and can't tell myself. If you can see that it is TEI, I would be very happy to try
 your XSLT script - very kind of you to share your code.<o:p></o:p></p>
</div>
<p class="MsoNormal">Best, Ingrid<o:p></o:p></p>
<div>
<p class="MsoNormal"><o:p>&nbsp;</o:p></p>
</div>
</div>
<div>
<p class="MsoNormal"><o:p>&nbsp;</o:p></p>
<div>
<p class="MsoNormal">On 17 December 2014 at 12:21, Ruprecht von Waldenfels &lt;<a href="mailto:waldenfels@issl.unibe.ch" target="_blank">waldenfels@issl.unibe.ch</a>&gt; wrote:<o:p></o:p></p>
<div>
<div>
<p class="MsoNormal">Hi, <br>
if this is TEI, I can send you my XSLT script. <br>
Best, <br>
Ruprecht<br>
Am 17.12.2014 um 12:00 schrieb <a href="mailto:cwb-request@sslmit.unibo.it" target="_blank">
cwb-request@sslmit.unibo.it</a>:<o:p></o:p></p>
</div>
<blockquote style="margin-top:5.0pt;margin-bottom:5.0pt">
<pre>Send CWB mailing list submissions to<o:p></o:p></pre>
<pre>&nbsp; <a href="mailto:cwb@sslmit.unibo.it" target="_blank">cwb@sslmit.unibo.it</a><o:p></o:p></pre>
<pre><o:p>&nbsp;</o:p></pre>
<pre>To subscribe or unsubscribe via the World Wide Web, visit<o:p></o:p></pre>
<pre>&nbsp; <a href="http://devel.sslmit.unibo.it/mailman/listinfo/cwb" target="_blank">http://devel.sslmit.unibo.it/mailman/listinfo/cwb</a><o:p></o:p></pre>
<pre>or, via email, send a message with subject or body 'help' to<o:p></o:p></pre>
<pre>&nbsp; <a href="mailto:cwb-request@sslmit.unibo.it" target="_blank">cwb-request@sslmit.unibo.it</a><o:p></o:p></pre>
<pre><o:p>&nbsp;</o:p></pre>
<pre>You can reach the person managing the list at<o:p></o:p></pre>
<pre>&nbsp; <a href="mailto:cwb-owner@sslmit.unibo.it" target="_blank">cwb-owner@sslmit.unibo.it</a><o:p></o:p></pre>
<pre><o:p>&nbsp;</o:p></pre>
<pre>When replying, please edit your Subject line so it is more specific<o:p></o:p></pre>
<pre>than &quot;Re: Contents of CWB digest...&quot;<o:p></o:p></pre>
<p class="MsoNormal" style="margin-bottom:12.0pt"><o:p>&nbsp;</o:p></p>
<pre>Today's Topics:<o:p></o:p></pre>
<pre><o:p>&nbsp;</o:p></pre>
<pre>&nbsp;&nbsp; 1. Bug report-CQPweb 3.1.11 (Umut Demirhan)<o:p></o:p></pre>
<pre>&nbsp;&nbsp; 2. Re: Bug report-CQPweb 3.1.11 (Hardie, Andrew)<o:p></o:p></pre>
<pre>&nbsp;&nbsp; 3. xml files (Ingrid S?r)<o:p></o:p></pre>
<p class="MsoNormal" style="margin-bottom:12.0pt"><o:p>&nbsp;</o:p></p>
<pre>_______________________________________________<o:p></o:p></pre>
<pre>CWB mailing list<o:p></o:p></pre>
<pre><a href="mailto:CWB@sslmit.unibo.it" target="_blank">CWB@sslmit.unibo.it</a><o:p></o:p></pre>
<pre><a href="http://devel.sslmit.unibo.it/mailman/listinfo/cwb" target="_blank">http://devel.sslmit.unibo.it/mailman/listinfo/cwb</a><o:p></o:p></pre>
</blockquote>
<p class="MsoNormal"><o:p>&nbsp;</o:p></p>
</div>
<p class="MsoNormal" style="margin-bottom:12.0pt">Hi,<o:p></o:p></p>
<p class="MsoNormal">I hope this is the right forum for my following questions..<o:p></o:p></p>
<p class="MsoNormal" style="margin-bottom:12.0pt">I am trying to get frequency data of Swedish nouns from certain corpora in the Swedish &quot;Språkbanken&quot;. They have their files available for download in xml format, so I am now trying to make them usable with CWB.
 I read in the CWB encoding tutorial that the files need to be in .vrt-format to encode them and that this can be done easily via XSLT.
<o:p></o:p></p>
<p class="MsoNormal" style="margin-bottom:12.0pt">Is this the best way to go about things? I am not familiar with XSLT really and I think it will take some time to learn how to do it on my own, so if XSLT is the solution I would be very grateful if anyone might
 have a &quot;standard&quot; xslt code for me to adapt. Or if there is any other way? I have been using
<i>sed </i>in my ubuntu terminal to get each tag or word onto a new line, but this seems a complicated way to also make the p-attributes tab-separated (as they are now inside &lt;w&gt; tags).<o:p></o:p></p>
<p class="MsoNormal">Sorry if I am probably asking about rudimentary things now - I am very new to CWB and corpus work. Thanks for any help!<o:p></o:p></p>
<p class="MsoNormal">Best regards,<br>
Ingrid<o:p></o:p></p>
<p class="MsoNormal" style="margin-bottom:12.0pt"><br>
_______________________________________________<br>
CWB mailing list<br>
<a href="mailto:CWB@sslmit.unibo.it">CWB@sslmit.unibo.it</a><br>
<a href="http://devel.sslmit.unibo.it/mailman/listinfo/cwb" target="_blank">http://devel.sslmit.unibo.it/mailman/listinfo/cwb</a><o:p></o:p></p>
</div>
</div>
</div>
</body>
</html>