Extraction des phrases contenant une structure donnée

Merci de répondre, en effet le corpus sagit d'un texte annoté par des partis du discours ( |VB). Il sagit de l'ourdou qui s'écrit de droite à gauche et donc le texte se trouve à gauche de | . Les ??? Represente le texte ourdou mais ici il reconnait pas le code de la langue (utf-8). Il y a un espace après chaque étiquette, soit la sequence suivante: . Texte |TA texte |Aa texte |VB etc. Je recherche que les phrase qui ont au moins une fois le AA.
Merci

je ne suis pas linguiste, alors j'aurais apprécié que tu répondes à mes différentes questions précises, qui sont volontairement indépendantes de la compréhension du contexte.

tu dis désormais " Je recherche que les phrase qui ont au moins une fois le AA."

c'est différent de ce que tu disais dans ton post initial, où tu disais : "je voudrais extraire uniquement les phrases qui ont la structure VB (le mot) pui AA (le mot)"

si ce que tu veux c'est vérifier, pour une ligne donnée, si elle contient "|AA " (barre verticale puis AA, puis espace), tu peux le faire, par exemple comme cela :

#!/usr/bin/perl

use strict;
use warnings;

my $st = "xxx|KP xx|VB xxx|AA xx|PP xxxxxxxx|NN xxx|PN xx|PN xxx|NN xxxx|NN x|";

if ($st =~ /\|AA /) {
    print "match: $st\n";
}

Le caractère

|

est échappé car il a une signification particulière dans la regexp (il signifie "ou").

Le

|

et l'espace sont à utiliser s'il faut éviter de matcher accidentellement AA utilisé autrement (dans les xxx, par exemple, ou ailleurs sous une forme ou une autre). Si ce risque n'existe pas, tu peux juste matcher AA comme cela :

if ($st =~ /AA/) {

sans rien d'autre.

Si tu veux autre chose, stp exprime le en disant très exactement ce que tu veux matcher.

Dal

peut-tu donner un exemple de "phrases" constituant des données de départ et un exemple de ce que tu veux obtenir en sortie.

tes "phrases" de départ sont dans un tableau, dans une variable comportant des retours à la ligne, ou traites tu ligne par ligne un fichier ?