<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";
color:black;}
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";
color:black;}
span.HTMLPreformattedChar
{mso-style-name:"HTML Preformatted Char";
mso-style-priority:99;
mso-style-link:"HTML Preformatted";
font-family:Consolas;
color:black;}
span.EmailStyle19
{mso-style-type:personal-reply;
font-family:"Verdana","sans-serif";
color:#1F497D;}
.MsoChpDefault
{mso-style-type:export-only;
font-size:10.0pt;}
@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 bgcolor="white" lang="EN-GB" link="blue" vlink="purple">
<div class="WordSection1">
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D">It looks like your input file has whitespace at the start of the lines containing the <seg> and <s> elements.<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D"><o:p> </o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D">Is this the case, or is it just an artefact of the email?<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D"><o:p> </o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D">IF there really is whitespace there, that is your problem. XML tags should not be preceded on the line by whitespace.<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D"><o:p> </o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D">best<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D"><o:p> </o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D">Andrew.<o:p></o:p></span></p>
<p class="MsoNormal"><span style="font-size:10.0pt;font-family:"Verdana","sans-serif";color:#1F497D"><o:p> </o:p></span></p>
<div>
<div style="border:none;border-top:solid #B5C4DF 1.0pt;padding:3.0pt 0cm 0cm 0cm">
<p class="MsoNormal"><b><span lang="EN-US" style="font-size:10.0pt;font-family:"Tahoma","sans-serif";color:windowtext">From:</span></b><span lang="EN-US" style="font-size:10.0pt;font-family:"Tahoma","sans-serif";color:windowtext"> cwb-bounces@sslmit.unibo.it
[mailto:cwb-bounces@sslmit.unibo.it] <b>On Behalf Of </b>Philippe Baudrion<br>
<b>Sent:</b> 10 June 2016 14:41<br>
<b>To:</b> Open source development of the Corpus WorkBench<br>
<b>Subject:</b> Re: [CWB] Parallel Corpora<o:p></o:p></span></p>
</div>
</div>
<p class="MsoNormal"><o:p> </o:p></p>
<p class="MsoNormal" style="margin-bottom:12.0pt">Thank you Susanne for your quick answer.<br>
Until now I have only tried automatic indexing through CQPweb.<br>
I guess I will need to dig a bit more CQP encoding options in order to have it work.<br>
Thank you for putting me on the right track, Philippe <o:p></o:p></p>
<div>
<p class="MsoNormal">On 06/10/2016 02:54 PM, Susanne Flach wrote:<o:p></o:p></p>
</div>
<blockquote style="margin-top:5.0pt;margin-bottom:5.0pt">
<p class="MsoNormal">Dear Philippe, <o:p></o:p></p>
<div>
<p class="MsoNormal"><o:p> </o:p></p>
</div>
<div>
<p class="MsoNormal">Have you tried declaring nested XML elements with :0 as described in Sec 4?<o:p></o:p></p>
</div>
<div>
<p class="MsoNormal"><a href="http://cwb.sourceforge.net/files/CWB_Encoding_Tutorial/node5.html">http://cwb.sourceforge.net/files/CWB_Encoding_Tutorial/node5.html</a><o:p></o:p></p>
</div>
<div>
<p class="MsoNormal"><o:p> </o:p></p>
</div>
<div>
<p class="MsoNormal">I’ve never had your problem, but I have always used the :0.<o:p></o:p></p>
</div>
<div>
<p class="MsoNormal"><o:p> </o:p></p>
</div>
<div>
<p class="MsoNormal">Best,<o:p></o:p></p>
</div>
<div>
<p class="MsoNormal">Susanne<o:p></o:p></p>
<div>
<div>
<div>
<p class="MsoNormal" style="margin-bottom:12.0pt"><br>
--<br>
Susanne Flach, M.A.<br>
Arbeitsbereich Linguistik<br>
Institut für Englische Philologie<br>
Freie Universität Berlin<br>
Habelschwerdter Allee 45<br>
14195 Berlin<o:p></o:p></p>
</div>
<div>
<p class="MsoNormal">NEU! <a href="http://userpage.fu-berlin.de/%7Eflach/corpling/">Korpustutorium mit CQP</a><br>
<br>
<a href="http://userpage.fu-berlin.de/%7Eflach/">http://userpage.fu-berlin.de/~flach/</a><br>
<br>
Raum JK29/223<br>
Telefon +49 30 838 72311<o:p></o:p></p>
</div>
</div>
</div>
<p class="MsoNormal"><o:p> </o:p></p>
<div>
<blockquote style="margin-top:5.0pt;margin-bottom:5.0pt">
<div>
<p class="MsoNormal">On 10 Jun 2016, at 14:39, Philippe Baudrion <<a href="mailto:Philippe.Baudrion@unige.ch">Philippe.Baudrion@unige.ch</a>> wrote:<o:p></o:p></p>
</div>
<p class="MsoNormal"><o:p> </o:p></p>
<div>
<div>
<p class="MsoNormal">Dear all,<br>
I am trying to index the following corpus structure but it is not working. Here is an extract of the corpus:<br>
<br>
<span style="font-size:10.0pt"><text id="FR_DI_2000_1" organisation="CERD" country="Francia" type="Documento informativo" year="2000" signature="CERD/C/SR.1373"><br>
<s id="1"><br>
<seg lang="fr"><br>
La<br>
séance<br>
est<br>
ouverte<br>
à<br>
10h05<br>
.<br>
</seg><br>
<seg lang="es"><br>
Se<br>
declara<br>
abierta<br>
la<br>
sesión<br>
a<br>
las<br>
10.05<br>
horas<br>
.<br>
</seg><br>
</s><br>
...<br>
</text><br>
</span><br>
The corresponding files on the disk drive remains empty:<o:p></o:p></p>
<pre>> ll /export/data/CQPweb_data/corpus/test_pb_fr_es/<o:p></o:p></pre>
<pre> total 120<o:p></o:p></pre>
<pre> drwxr-xr-x 2 www-data www-data 4096 Jun 6 12:18 ./<o:p></o:p></pre>
<pre> drwxrwxr-x 58 www-data letrint 4096 Jun 6 12:18 ../<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 0 Jun 6 12:18 seg_lang.avs<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 0 Jun 6 12:18 seg_lang.avx<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 0 Jun 6 12:18 seg_lang.rng<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 0 Jun 6 12:18 seg.rng<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 0 Jun 6 12:18 s_id.avs<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 0 Jun 6 12:18 s_id.avx<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 0 Jun 6 12:18 s_id.rng<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 0 Jun 6 12:18 s.rng<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 8 Jun 6 12:18 text_country.avs<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 8 Jun 6 12:18 text_country.avx<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 8 Jun 6 12:18 text_country.rng<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 13 Jun 6 12:18 text_id.avs<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 8 Jun 6 12:18 text_id.avx<o:p></o:p></pre>
<pre> -rw-r--r-- 1 www-data www-data 8 Jun 6 12:18 text_id.rng<o:p></o:p></pre>
<pre> ...<o:p></o:p></pre>
<p class="MsoNormal"><br>
The indexing command is as follow:<o:p></o:p></p>
<pre>> cwb-encode -xsB -c utf8 -d /export/data/CQPweb_data/corpus/test_pb_fr_es -f /export/data/CQPweb_data/upload/Test-PB-FR_ES.vrt -R "/export/data/CQPweb_data/registry/test_pb_fr_es" -S text+id+organisation+country+type+year+signature -S s+id -S seg+lang 2>&1<o:p></o:p></pre>
<pre>> cwb-makeall -r "/export/data/CQPweb_data/registry" -V TEST_PB_FR_ES 2>&1<o:p></o:p></pre>
<pre><o:p> </o:p></pre>
<pre><span style="font-size:12.0pt">I guess due to the redundence of the <seg> element it is impossible to correctely index that corpus, but I want to have your opinion on that.<o:p></o:p></span></pre>
<pre><span style="font-size:12.0pt">In case it is possible, what would then be the correct indexing command.<o:p></o:p></span></pre>
<pre><span style="font-size:12.0pt"><o:p> </o:p></span></pre>
<pre><span style="font-size:12.0pt">Thank you for your help, greetings,<o:p></o:p></span></pre>
<pre>-- <o:p></o:p></pre>
<pre>Baudrion Philippe<o:p></o:p></pre>
<pre>Correspondant Informatique<o:p></o:p></pre>
<pre><o:p> </o:p></pre>
<pre>UNIVERSITE DE GENEVE<o:p></o:p></pre>
<pre>Faculté de traduction et d'interprétation<o:p></o:p></pre>
<pre>40, bd. du Pont d'Arve<o:p></o:p></pre>
<pre>1211 GENEVE 4<o:p></o:p></pre>
<pre><o:p> </o:p></pre>
<pre>Tél +41 22 379 94 95<o:p></o:p></pre>
</div>
<p class="MsoNormal">_______________________________________________<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">http://devel.sslmit.unibo.it/mailman/listinfo/cwb</a><o:p></o:p></p>
</div>
</blockquote>
</div>
<p class="MsoNormal"><o:p> </o:p></p>
</div>
</blockquote>
<p class="MsoNormal"><br>
<br>
<o:p></o:p></p>
<pre>-- <o:p></o:p></pre>
<pre>Baudrion Philippe<o:p></o:p></pre>
<pre>Correspondant Informatique<o:p></o:p></pre>
<pre><o:p> </o:p></pre>
<pre>UNIVERSITE DE GENEVE<o:p></o:p></pre>
<pre>Faculté de traduction et d'interprétation<o:p></o:p></pre>
<pre>40, bd. du Pont d'Arve<o:p></o:p></pre>
<pre>1211 GENEVE 4<o:p></o:p></pre>
<pre><o:p> </o:p></pre>
<pre>Tél +41 22 379 94 95<o:p></o:p></pre>
</div>
</body>
</html>