Bash 在AWK中将单词解析为（词根、后缀）

我有一个逗号分隔的csv文件，其中包含一个形容词列表。我需要提取每个的根和后缀。有可能用AWK做这个吗

输入文件：

ypperlig;ypperlig;adj.;1
ypperlig;ypperlige;adj.;2
ypperlig;ypperligt;adj.;3
ypperlig;ypperligst;adj.;5
vunden;vunden;adj.;1
vunden;vundne;adj.;2
vunden;vundent;adj.;3
vunden;vundnest;adj.;5

所需的输出文件：

ypperlig,ypperlig,adj., ,e,t,*,st
vunden,vund,adj., ,ne,ent,*,nest

如果第4列中缺少序号，如这两个示例中所示，则必须用星号替换空格

hek2mgl代码：

BEGIN{
FS=";"
}

{
split($1,a,"")
split($2,b,"")

s=""
for(i in a)
{ 
    if(b[i]!=a[i])
    {
        break;
    }
    s = s "" a[i]
}

    stem[$1]=s;
    type[$1] = $3
}

{
    suf[$1] = suf[$1] "," substr($2,length(stem[$1])+1)
}


END {
for(i in stem) 
{
    printf "%s,%s, %s\n",i,stem[i],type[i],suf[i]
}   
}

输出：

ypperlig,ypperlig,adj.,,e,t,st
vunden,vund,adj.,,ne,t,nest => wrong

ypperlig,ypperlig,adj., ,e,t,st    
vunden,vund,adj., ,ne,ent,nest

---

可能是，但需要更复杂的awk程序：

script.awk：

叫它：

awk -f script.awk input.file

注意：

awk

将打乱输入排序顺序。如果您关心这一点，可以通过管道将输出进行排序：

awk -f script.awk input.file | sort

---

据推测，“词干”是形容词所有形式之间不变的部分。在第一个实例中，这不一定是最长的通用后缀，尽管在所提供的两个示例中它是有效的。如果这只是西班牙语，并且对文件进行了排序，以确保第二列在公共条目中按字母顺序排列，那么该假设可能会起作用。但是如果顺序是语法上的，那么像“veloz”（性别不变性，复数“veloces”）这样的形容词就不会起作用。它也可能在重音标记复数形式不同的单词上遇到问题。（afín，afines）@rici它实际上是西班牙语。我问这个问题时没有原始文件。文件是丹麦语的。你会建议什么代码？@rici是的，你是对的。stem在这里不是合适的术语。我只是想解决问题中描述的问题。我不精通西班牙语，但可以说，在德语中，由于不规则，它也不起作用。@hek2mlg脚本的输出不完全正确。“vunden，vund，adj.，，ne，t，nest”正确的说法是“vunden，vund，adj.，，ne，ent，nest”@hek2mgl:是的，我应该更清楚，但问题在编辑时是显而易见的。第一次看到单词时，可以缓存词干，但真正的通用前缀可能会变短。您需要收集所有变体以正确识别最长的通用前缀。

awk -f script.awk input.file | sort