过滤特定部分的语音 NLTK

【问题标题】：Filter Specific Part of Speech NLTK过滤特定部分的语音 NLTK
【发布时间】：2014-02-19 13:49:22
【问题描述】：

这一定很简单，但不知何故我想念它。我有代码：

import nltk

f=open('...\\t.txt','rU')
raw=f.read()
tokens = nltk.word_tokenize(raw)
print nltk.pos_tag(tokens)

例如返回：

"[('processes', 'NNS'), ('a', 'DT'), ('sequence', 'NN'), ('of', 'IN'), ('words', 'NNS')]

我想知道如何只收集所有的 'NN' 例如或所有的 'DT' AND 'IN' 而不是字符串的每个成员。

提前致谢

【问题讨论】：

【解决方案1】：

您可以通过列表理解仅提取您想要的标签，例如：

>>> tags = nltk.pos_tag(tokens)
>>> dt_tags = [t for t in tags if t[1] == "DT"]
>>> dt_tags
[('a', 'DT')]

【讨论】：

完美，如果我想找到 DTs 和 NNS tags2 = [t for t in nltk.pos_tag(tokens) if t[1] == "NNS"] tags2 就复制
是的，你甚至可以为每种类型制作一个带有标签的字典：all_tags = {tag: [t for t in tags if t[1] == tag] for tag in ["DT", "NNS", ...]}