python中pos括号中_python – 如何在nltk中删除斜杠之前删除POS标签？

由于你标记了这个nltk,让我们使用NLTK的树解析器来处理你的树.我们将在每棵树上阅读,然后简单地打印出树叶.完成.

>>> text ="(CLAUSE (NP Jack/NNP) (VP stayed/VBD) (NP in/IN London/NNP))"

>>> tree = nltk.Tree.fromstring(text, read_leaf=lambda x: x.split("/")[0])

>>> print(tree.leaves())

['Jack', 'stayed', 'in', 'London']

lambda表单拆分每个单词/标签对并丢弃标签,只保留单词.

多棵树

我知道,你会问我如何处理整个文件的价值这些树,其中一些需要不止一行.这是NLTK的BracketParseCorpusReader的工作,但它希望终端的形式(POS字)而不是字/ POS.我不会这样做,因为它更容易欺骗Tree.fromstring()来读取你所有的树,就像它们是一棵树的分支一样：

allmytext = """

(CLAUSE (NP Jack/NNP) (VP loved/VBD) (NP Peter/NNP))

(CLAUSE (NP Jack/NNP) (VP stayed/VBD) (NP in/IN London/NNP))

(CLAUSE (NP Tom/NNP) (VP is/VBZ) (NP in/IN Kolkata/NNP))

"""

wrapped = "(ROOT "+ allmytext + " )" # Add a "root" node at the top

trees = nltk.Tree.fromstring(wrapped, read_leaf=lambda x: x.split("/")[0])

for tree in trees:

print(tree.leaves())

如您所见,唯一的区别是我们在文件内容周围添加了“(ROOT”和“)”,并使用for循环生成输出.循环为我们提供了顶级节点的子节点,即实际的树.