Python NLTK 莎士比亚语料库答案

【问题标题】：Python NLTK Shakespeare corpusPython NLTK 莎士比亚语料库
【发布时间】：2017-09-28 23:46:40
【问题描述】：

我正在尝试从莎士比亚的 NLTK 语料库中导入句子——关注this 帮助站点——但我无法访问这些句子（为了训练 word2vec 模型）：

from nltk.corpus import shakespeare #XMLCorpusreader
shakespeare.fileids()
['a_and_c.xml', 'dream.xml', 'hamlet.xml', 'j_caesar.xml', ...]

play = shakespeare.xml('dream.xml') #ElementTree object
print(play)
<Element 'PLAY' at ...>

for i in range(9):
    print('%s: %s' % (play[i].tag, play[i].text))

返回以下内容：

TITLE: A Midsummer Night's Dream
PERSONAE: 

SCNDESCR: SCENE  Athens, and a wood near it.
PLAYSUBT: A MIDSUMMER NIGHT'S DREAM
ACT: None
ACT: None
ACT: None
ACT: None
ACT: None

为什么所有的行为都没有？

这里定义的所有方法 (http://www.nltk.org/howto/corpus.html#data-access-methods) (.sents(), tagged_sents(), chunked_sents(), parsed_sents()) 在应用于莎士比亚 XMLCorpusReader 时似乎都不起作用

我想了解：
1/ 如何获取句子

2/ 如何知道如何在 ElementTree 对象中查找它们

【问题讨论】：

标签： python nlp nltk

【解决方案1】：

问题归结为如何从元素树的所有子元素中提取文本。这与Python element tree - extract text from element, stripping tags 完全重复

试试这个：

for p in play:
    print('%s: %s' % (p.tag, list(p.itertext())))

在这里插入你想做的逻辑

【讨论】：