Correspondance des octets d'une annotation dans un document texte, Python ou Java

Question

J'utilise le corpus d'opinion MPQA dans lequel les annotations et les documents sont enregistrés dans des fichiers distincts. Les fichiers d'annotation contiennent des décalages de caractères (intervalles d'octets) dans les documents
par exemple. 850.861

string GATE_direct-subjective 
expression-intensity="medium" 
attitude-link="a4" 
nested-source="w, patient" 
intensity="medium" 
polarity="negative" 

Comment puis-je correspondre à ces octets couvre dans le document texte? Je suis reconnaissant pour toute idée! Je préfère utiliser Python mais une solution en Java est également très bien.

Answer 1

Je ne suis pas sûr à 100% que je comprends bien la question, mais si vous avez besoin d'une sous-chaîne et que vous avez des positions de caractères, la solution est simple.

solution Python:

>>> sometext = "Grant D is a great guy." 
>>> character_offset = [0, 7] 
>>> subString = sometext[character_offset[0]:character_offset[1]] 
>>> print subString 
Grant D 
>>>