无法在 NLTK 中使用正则表达式定位文件答案

【问题标题】：Can't locate a file using a regular expression in NLTK无法在 NLTK 中使用正则表达式定位文件
【发布时间】：2012-03-13 12:49:51
【问题描述】：

我对编程和 NLTK 还很陌生，并且一直在按照教科书入门。我无法让正则表达式 r'.*.pos' 在 Python 2.7 (Mac) 中工作。我正在关注书中的一组示例，Python Text Processing with NLTK 2.0 Cookbook，第 3 章。我认为代码旨在查找所有名为 pos 的文件（或扩展名为“pos”，我不完全确定。

下面是代码：

reader = TaggedCorpusReader('/Users/mattmatters22/Desktop/pos',r'.*\.pos')
reader.words()

Traceback（最近一次调用最后一次）：

  File "<pyshell#20>", line 1, in <module>
    reader.words()
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/nltk/corpus/reader/tagged.py", line 82, in words
    for (fileid, enc) in self.abspaths(fileids, True)])
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/nltk/corpus/reader/util.py", line 421, in concat
    raise ValueError('concat() expects at least one object!')
ValueError: concat() expects at least one object!

【问题讨论】：

第一行代码实际上应该是两行 - “reader.words()” 意味着在下一行
您是否尝试在路径末尾添加 / ？（即/Users/mattmatters22/Desktop/pos/）

标签： python regex nltk

【解决方案1】：

r'.*\.pos'

表示将“.pos”与之前的某些内容匹配（.* 部分）。

但这在“/Users/mattmatters22/Desktop/pos”中找不到。这会导致您的问题吗？

试试不带点r'.*pos'，看看你是否得到同样的错误或结果。

【讨论】：

嗨，谢谢，我刚刚尝试过，似乎得到了相同的结果。我的桌面上有一个名为“pos”的文件夹，其中包含一个名为“brown.pos”的文件。我的印象是代码旨在以某种方式访问其中一个，但找不到它们..
您的路径看起来确实有问题。可能是大写错误？检查os.listdir('/Users/mattmatters22/Desktop/pos') 是否显示您的文件。

【解决方案2】：

试试reader = TaggedCorpusReader('/Users/mattmatters22/Desktop/pos',['brown.pos']) 如果这不起作用，那么brown.pos 一定不能在/Users/mattmatters22/Desktop/pos 中

【讨论】：

【解决方案3】：

nltk book 中的代码假定语料库名为 brown.pos，但事实并非如此，并且执行帮助（TaggedCorpusReader）并查看它的 init 函数向我解释说我需要提供两个参数 - 路径和文件名或正则表达式，可用于计算文件名。

我在我的 linux 系统上尝试了以下方法，它可以工作。希望代码是不言自明的：

    >>> import nltk
    >>> nltk.corpus.brown.fileids()
    [u'ca01', u'ca02', u'ca03' ..]
    >>> nltk.corpus.brown.abspath('ca01')
    FileSystemPathPointer(u'/home/<username>/nltk_data/corpora/brown/ca01')
    >>> reader = TaggedCorpusReader('/home/<username>/nltk_data/corpora/brown/', 'ca01')
    >>> reader.words()
    [u'The', u'Fulton', u'County', u'Grand', u'Jury', ...]

在此之后，您可以替换自己的正则表达式，而不是使用显式文件名。

【讨论】：