打标工具brat的安装与使用

brat的简介

brat是一个文本标注工具，可以标注实体，事件、关系、属性等，只支持在Linux下安装，其使用需要webserver，官方给出的教程使用的是Apache2。

下载brat

建议下载brat的release版本，地址：brat下载地址

安装过程

首先，安装apache2，使用命令：

sudo apt-get install apache2

安装完成后会在 /var 目录下生成一个www/html目录，进入该目录：

cd /var/www/html 

将下载的brat-1.3p1.zip文件移动到该目录下，使用 如下命令解压到当前目录

unzip brat-1.3p1.zip 

在当前目录下使用如下命令将brat-1.3p1重命名为brat

 mv brat-1.3p1 brat  

使用 如下命令对brat目录授权：

sudo chmod 777 -R /var/www/html/brat 

进入brat目录 ，执行以下命令，根据提示输入用户名、密码、管理员邮箱

cd /var/www/html/bratsudo ./install.sh

现在开始配置apache2.conf文件： 执行命令

vim /etc/apache2/apache2.conf

在文件末尾加入如下内容，注意缩进（建议手敲）：

<Directory /var/www/html/brat>
        AllowOverride Options Indexes FileInfo Limit
        Require all granted
        AddType application/xhtml+xml .xhtml
        AddType font/ttf .ttf
        Options +ExecCGI
        AddHandler cgi-script .cgi
</Directory>

重新启动apache2：

sudo service apache2 restart

然后打开 http://xxx.xxx.xxx.xxx/brat , xxx是你brat所在主机的ip，默认80端口。

打开网页后，会发现报错，是关于协议的错误，我们还需要一个步骤，如下：

cd /etc/apache2/mods-enabled
sudo ln -s ../mods-available/cgi.load

只有这样才能使用cgi模块，而这步在brat的官方文档中貌似没有提及。但是在issue的#1141中提到了这点。
接下来，重新加载apache2的配置：

sudo service apache2 reload

此时再访问 http://xxx.xxx.xxx.xxx/brat，就能看到下面的界面了：

然后，用之前输入的用户名、密码登录后，就可以使用了，使用教程参考官方文档： http://brat.nlplab.org/configuration.html

适用中文

brat原始的正则是不支持中文标注的，所以我们需要手动修改一下他的正则
brat/server/src 路径下的projectconfig.py文件的第162行代码，注释源代码，然后另起一行加入新代码（修改之后记得重启apache2服务）：

n = re.sub(u'[^a-zA-Z\u4e00-\u9fa5<>,0-9_-]', '_', n)

数据导入

数据主目录：/var/www/html/brat
predict路径：/var/www/html/brat/data/project
存入你想要标注的文件在project文件夹下，然后执行:

find 文件夹名称 -name '*.txt'|sed -e 's|\.txt|.ann|g'|xargs touch

其意思是对每个txt文件都创建一个空的标引文件.ann，因为BRAT是要求的collection中，每个txt文件是必须有一个对应的.ann文件的，方便放置标引内容。

如果使用brat加载本地文件的时候报错“unable to read text file xxx/xxx/xxx/xxx.txt ”，请确保你的txt文件和ann文件已经授权给当前linux系统的登录用户，授权方式可以参考如下方式：

sudo chmod 777 xxx.txt
sudo chmod 777 xxx.ann

之后从主目录下找annotation.conf和visual.conf文件将它们放到predict路径下。

文件作用

annotation.conf是配置文件，主要是写明白都有哪些命名实体、哪些语义关系，内容如下：

[entities]（实体）
# Definition of entities.
# Format is a simple list with one type per line.
事件名称
人物名称
发生时间
灾害
事故规模
事故地点
[relations]（关系）
# Definition of (binary) relations.
# Format in brief: one relation per line, with first space-separated# field giving the relation type and the rest of the line the# coma- separated arguments in ROLE: TYPE format. The roles are# typically “Arg1“ and“Arg2”.
时间  Arg1:事件名称，Arg2:事件发生时间
地点  Arg1:事件名称，Arg2:事件发生地点
人物  Arg1:事件名称，Arg2:采访对象人名

visual.conf也是配置文件，可以配置不同的类别用不同的颜色显示，找到如下段落，更新内容：

事件 bgColor:yellow
时间 bgColor:blue, fgColor:white
地点 bgColor:deepskyblue
组织名 bgColor:green, fgColor:white
公司名 bgColor:purple, fgColor:white
产品名 bgColor:pink

annotation.conf文件的编码格式一定一定要是标准的UTF-8格式，可以用Notepad++来进行转换（特别感谢程序员一一涤生的指导）

使用实例

data.txt文件
data.ann文件

以上就是我对brat的使用总结，总体还要感谢程序员一一涤生的耐心指导

附上大佬的原文
[1]: https://www.cnblogs.com/anai/p/11459789.html
[2]: https://www.cnblogs.com/anai/p/11474460.html