我可以解析单个文档,没有问题,如下:
from nltk.corpus.reader import XMLCorpusReaderreader = XMLCorpusReader('nltk_data/corpora/nytimes/1987/01/01',r'0000000.xml')
我需要在整个语料库上工作.
我试过这样做:
reader = XMLCorpusReader('corpora/nytimes',r'.*')
但这不会创建一个可用的读者对象.例如
len(reader.words())
回报
raise TypeError('Expected a single file IDentifIEr string')TypeError: Expected a single file IDentifIEr string
如何将此语料库读入NLTK?
我是NLTK的新手,所以非常感谢任何帮助.
解决方法 我不是NLTK专家,所以可能有一种更简单的方法来做到这一点,但我天真地建议你使用 Python’sglob
module.它支持Unix-stle路径名模式扩展. from glob import globtexts = glob('nltk_data/corpora/nytimes/*')
这样就会以列表形式给出与指定表达式匹配的文件的名称.
然后,根据您想要/需要一次打开多少个,您可以:
from nltk.corpus.reader import XMLCorpusReaderfor item_path in texts: reader = XMLCorpusReader('nltk_data/corpora/nytimes/',item_path)
正如@waffle paradox所建议的那样:你也可以缩小这个文本列表以满足你的特定需求.
总结以上是内存溢出为你收集整理的python – NLTK的XMLCorpusReader可用于多文件语料库吗?全部内容,希望文章能够帮你解决python – NLTK的XMLCorpusReader可用于多文件语料库吗?所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)