我正在研究一个随机文本生成器-不使用马尔可夫链-目前它工作没有太多问题。首先,我的代码流程如下:输入一个句子作为输入-这称为触发器字符串,分配给变量-
获取触发器字符串中最长的单词
搜索所有Project Gutenberg数据库中包含此单词的句子-无论大小写-
返回包含我在步骤3中谈到的单词的最长句子
将步骤1和步骤4中的句子附加在一起
将步骤4中的句子指定为新的“触发器”语句并重复该过程。请注意,我必须得到第二个句子中最长的单词,然后继续这样下去-
我的密码是:import nltk
from nltk.corpus import gutenberg
from random import choice
triggerSentence = raw_input("Please enter the trigger sentence: ")#get input str
longestLength = 0
longestString = ""
listOfSents = gutenberg.sents() #all sentences of gutenberg are assigned -list of list format-
listOfWords = gutenberg.words()# all words in gutenberg books -list format-
while triggerSentence:
#so this is run every time through the loop
split_str = triggerSentence.split()#split the sentence into words
#code to find the longest word in the trigger sentence input
for piece in split_str:
if len(piece) > longestLength:
longestString = piece
longestLength = len(piece)
#code to get the sentences containing the longest word, then selecting
#random one of these sentences that are longer than 40 characters
sets = []
for sentence in listOfSents:
if sentence.count(longestString):
sents= " ".join(sentence)
if len(sents) > 40:
sets.append(" ".join(sentence))
triggerSentence = choice(sets)
print triggerSentence
我担心的是,循环通常会达到同一个句子被反复打印的地步。因为最长的句子拥有最长的单词。为了避免一次又一次地得到同样的句子,我想到了以下几点:
*如果当前句子中最长的单词与上一个句子中的最长单词相同,只需从当前句子中删除此最长单词,然后查找下一个最长单词。在
我为此尝试了一些实现,但未能应用上面的解决方案,因为它涉及到列表和列表列表-由于来自gutenberg模块的单词和句子-。关于如何找到第二长单词有什么建议吗?由于NLTK的Gutenberg模块的.sents()和.words()函数分别生成list和list的list,所以我似乎无法解析一个简单的字符串输入。提前谢谢。在