import os
from pyltp import SentenceSplitter, Segmentor, Postagger, Parser
import pandas as pd
import openpyxl
# 加载LTP模型
LTP_DIR='D:\ltp_3.4.0\ltp_data_v3.4.0' # LTP模型目录的路径
cws_model_path = os.path.join(LTP_DIR, 'cws.model') # 分词模型路径
pos_model_path = os.path.join(LTP_DIR, 'pos.model') # 词性标注模型路径
par_model_path = os.path.join(LTP_DIR, 'parser.model') # 依存句法分析模型路径
segmentor = Segmentor(cws_model_path) # 加载分词模型
postagger = Postagger(pos_model_path) # 加载词性标注模型
parser = Parser(par_model_path) # 加载依存句法分析模型
# 待分析的句子
sentence = "政府官员喜欢吃红水果,政府员工也喜欢吃水果。"
# 分句
sentences = SentenceSplitter.split(sentence)
# 分词
words = segmentor.segment(sentences[0])
print(words)
# 词性标注
postags = postagger.postag(words)
print(postags)
# 依存句法分析
arcs = parser.parse(words, postags)
print(arcs)
# 找到主语和主语修饰语
order = 0 # 用于为第一个for遍历的“主语”元素进行排序,便于后续在word中定位找到对应的词汇
subject = []
subject_modifier = []
for arc in arcs:
### 找出主语——主谓关系分析
if arc[1] == 'SBV' and words[arc[0]-1]!=arc and postags[order]=="n": # 首先满足主谓关系,其次判断不是关系中的谓语【 words[arc[0]-1] 处理说明:ROOT节点的索引是 0 ,第一个词开始的索引依次为1,2,3,···】
subject.append(words[order])
order2 = 0 # 用于为第二个for遍历的“主语修饰语”元素进行排序
for arc2 in arcs:
### 找出主语修饰语——定中关系分析
if arc2[0] == order+1 and arc2[1] == 'ATT': # 找到主语后随后立即寻找和该主语相关的修饰语【其中:order+1 起到关联主语的作用】
subject_modifier.append(words[order2])
order2 = order2+1
order = order+1
# 输出结果
print("主语:", subject)
print("主语修饰语:", subject_modifier)
# 转化为字符串类型
subject_str=','.join(subject)
subject_modifier_str=','.join(subject_modifier)
# 创建一个新的Excel工作簿
workbook = openpyxl.Workbook()
# 选择默认的工作表
worksheet = workbook.active
# *遍历“主语”和“主语修饰语”列表,将内容添加到同一行的两个格子里
worksheet.cell(row=2, column=1, value=subject_str) # 此处row和column起始数值均为1
worksheet.cell(row=2, column=2, value=subject_modifier_str)
# 在第一行加入索引
index_1 = "主语"
worksheet.cell(row=1, column=1, value=index_1)
index_2 = "主语修饰语"
worksheet.cell(row=1, column=2, value=index_2)
# *指定保存位置并保存Excel文件
save_path = 'C:/Users/86189/Desktop/管理层讨论与分析_词汇/2001.xlsx' # 替换为你的保存路径
workbook.save(save_path)
# 释放模型
segmentor.release()
postagger.release()
parser.release()
# 代码解释:
# 首先,我们需要加载LTP模型,包括分词模型、词性标注模型和依存句法分析模型。
# 然后,我们初始化分词器、词性标注器和依存句法分析器。
# 接下来,我们将待分析的句子进行分句,然后对每个句子进行分词、词性标注和依存句法分析。
# 在依存句法分析结果中,我们通过遍历弧(arc)来找到主谓关系(SBV),并获取主语和主语修饰语。
# 最后,我们输出主语和主语修饰语的结果,并写入excel文件中
1_依存句法提取主语和主语修饰语【“依存句法”之“MD&A分析”】
最新推荐文章于 2024-07-25 18:55:58 发布