Question

我正在使用nltk，所以我想创建自己的自定义文本，就像nltk.books上的默认文本一样。但是，我刚刚开始使用像

这样的方法

my_text = ['This', 'is', 'my', 'text']

我想找到任何方式输入我的＆＃34;文字＆＃34;为：

my_text = "This is my text, this is a nice way to input text."

哪种方法，python或者nltk允许我这样做。更重要的是，我如何解除标点符号？

Answer 1

实际上这是main page of nltk.org：

>>> import nltk
>>> sentence = """At eight o'clock on Thursday morning
... Arthur didn't feel very good."""
>>> tokens = nltk.word_tokenize(sentence)
>>> tokens
['At', 'eight', "o'clock", 'on', 'Thursday', 'morning',
'Arthur', 'did', "n't", 'feel', 'very', 'good', '.']

Answer 2

正如@PavelAnossov回答的那样，规范的答案，请使用nltk中的word_tokenize函数：

from nltk import word_tokenize
sent = "This is my text, this is a nice way to input text."
word_tokenize(sent)

如果你的句子非常简单：

使用string.punctuation集删除标点符号，然后使用空白分隔符进行拆分：

import string
x = "This is my text, this is a nice way to input text."
y = "".join([i for i in x if not in string.punctuation]).split(" ")
print y

如何在NLTK中对字符串句子进行标记？

2 个答案: