利用NLTK进行分句分词

2019独角兽企业重金招聘Python工程师标准>>>

.输入一个段落，分成句子（Punkt句子分割器）

import nltk  
import nltk.data  
  
def splitSentence(paragraph):  
    tokenizer = nltk.data.load('tokenizers/punkt/english.pickle')  
    sentences = tokenizer.tokenize(paragraph)  
    return sentences  
  
if __name__ == '__main__':  
    print splitSentence("My name is Tom. I am a boy. I like soccer!")  

结果为['My name is Tom.', 'I am a boy.', 'I like soccer!']

2.输入一个句子，分成词组

from nltk.tokenize import WordPunctTokenizer    
  
def wordtokenizer(sentence):  
    #分段  
    words = WordPunctTokenizer().tokenize(sentence)  
    return words  
  
if __name__ == '__main__':  
    print wordtokenizer("My name is Tom.")  

结果为['My', 'name', 'is', 'Tom', '.']

 

转载于:https://my.oschina.net/u/3346994/blog/911733