He hecho este programa para identificar nombres propios en un texto.
Este es mi texto:
Vine con Pablo a la casa.
Pedro me lo dijo.
Fui con Mariano García a la cena.
Cristina Maña no come.
No me cuentes con el AGG.
Ay que ver con Ana García Villa.
Soraya Puerto de Santamaría no es Ok.
De momento, solo quiero que me coja nombres propios dentro de la oración.
Mi código es este:
#!/usr/bin/perl
use warnings;
$texto = "Corpus.txt";
open(INFILE, "<", $texto) or die "Can't open < input.txt: $!";
while (my $row = <INFILE>)
{
#chomp $row;
push @array, $row;
#print "$row\n";
}
foreach $linea (@array) {
# Una NE unitoken dentro de la oración. Ejemplo: Vine con Pablo a la casa.
$linea =~ m/\s([A-Z][a-z]+)\s/;
$pablo = $1;
print("$pablo\n");
#print $l;
}
Lo que no entiendo es por qué cuando hago print $pablo, me devuelve este resultado:
Pablo
Pablo
Mariano
Mariano
Mariano
Ana
Puerto
Puerto
No lo entiendo. ¿Por qué evalúa la primera línea más de una vez, y sin embargo la línea 6, donde está el nombre de Ana, solo lo saca una vez?
Como es obvio, apenas llevo unas semanas aprendiendo a programar. Y el programa está haciendo algo que no es lo que yo pienso que debería hacer. A ver si alguien me puede indicar dónde está el "error de fundamento".
Muchas gracias.