1.获取文本语料
通过import nltk.book 访问定义好的文本
通过nltk.corpus.gutenberg.fileids()访问古藤堡项目的文件
from nltk.corpus import gutenburg
emma=gutenburg.fileids()
print(emma)
emma=gutenburg.words('austen-emma.txt')#获取该文本的词汇
emma=gutenburg.raw()#获取原始文本
emma= gutenburg.sents()将句子转化成链表
Nltk中定义的基本语料库函数(nltk.corpus.reader)
fileids() 语料库中的文件
fileids([categories]) 这些分类对应的语料库中的文件
categories() 语料库中的分类
categories([fileids]) 这些文件对应的语料库中的分类
raw() 语料库的原始内容
raw(fileids=[f1,f2,f3]) 指定文件的原始内容
raw(categories=[c1,c2]) 指定分类的原始内容
words() 整个语料库中的词汇
words(fileids=[f1,f2,f3]) 指定文件中的词汇
words(categories=[c1,c2]) 指定分类中的词汇
sents() 指定分类中的句子
sents(fileids=[f1,f2,f3]) 指定文件中的句子
sents(categories=[c1,c2]) 指定分类中的句子
abspath(fileid) 指定文件在磁盘上的位置
encoding(fileid) 文件的编码(如果知道的话)
open(fileid) 打开指定语料库文件的文件流
root() 到本地安装的语料库根目录的路径
gutenberg(古腾堡)
webtext(网络和聊天文本)
reuters(路透社语料库)
inaugural(就职演说)