---
name: parse_rebel_output
kind: function
lang: py
domain: datascience
version: "1.0.0"
purity: pure
signature: "def parse_rebel_output(decoded_text: str) -> list[dict]"
description: "Parser puro del wire format de REBEL / mREBEL. Convierte la cadena decoded por el tokenizer (con skip_special_tokens=False) a una lista de triplets tipados {head, head_type, type, tail, tail_type}. Nunca lanza excepcion."
tags: [rebel, mrebel, relation-extraction, nlp, parser, knowledge-graph, datascience, python]
uses_functions: []
uses_types: []
returns: []
returns_optional: false
error_type: ""
imports: []
params:
  - name: decoded_text
    desc: "cadena raw producida por tokenizer.decode(..., skip_special_tokens=False) — incluye tokens especiales como <triplet>, <per>, <org>, <loc>, tp_XX, etc."
output: "lista de dicts con claves head (str), head_type (str), type (str), tail (str), tail_type (str). Lista vacia si no hay triplets completos o el input es vacio."
tested: true
tests:
  - "string vacio retorna lista vacia"
  - "un triplet completo retorna un dict con campos correctos"
  - "dos triplets retorna dos dicts"
  - "triplet incompleto sin cierre no rompe"
  - "tokens angulares desconocidos no lanzan excepcion"
test_file_path: "python/functions/datascience/tests/test_parse_rebel_output.py"
file_path: "python/functions/datascience/parse_rebel_output.py"
notes: |
  Funcion pura. Adapta el parser oficial del README de Babelscape/rebel al estilo del registry.
  Compatible con mREBEL (prefijo tp_XX, lang token __es__, __en__) y REBEL (sin prefijo de idioma).
  El formato wire incluye <triplet> para separar triplets y tokens <type> para cerrar spans
  de head/tail. El estado de la maquina es: t=leyendo head, s=leyendo tail, o=leyendo relacion.
---

## Ejemplo

```python
from python.functions.datascience.parse_rebel_output import parse_rebel_output

decoded = "tp_XX<triplet> Pablo Isla <per> Inditex <org> employer"
triplets = parse_rebel_output(decoded)
# [{'head': 'Pablo Isla', 'head_type': 'per', 'type': 'employer',
#   'tail': 'Inditex', 'tail_type': 'org'}]
```

## Formato wire REBEL / mREBEL

```
tp_XX<triplet> HEAD_TOKENS <HEAD_TYPE> TAIL_TOKENS <TAIL_TYPE> RELATION_TOKENS<triplet> ...
```

- `<triplet>` — marca el inicio de un nuevo triplet (y cierra el anterior).
- `<HEAD_TYPE>` — cierra el span del head y abre el span del tail.
- `<TAIL_TYPE>` — cierra el span del tail y abre el span de la relacion.
- El ultimo triplet se cierra con `</s>` (ya eliminado antes del split).

## Notas

- No valida ni filtra los `head_type`/`tail_type` — los devuelve tal cual emite el modelo.
- Compatible con cualquier variante seq2seq que use el mismo wire format (Babelscape/rebel,
  Babelscape/mrebel-large, Babelscape/mrebel-base).
- Para usar el output en el grafo, pasar por `align_relations_to_entities` que resuelve
  head/tail a nombres canonicos del conjunto de entidades conocido.