- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有以下格式的数据:
TOP (S (PP-LOC (IN In) (NP (NP (DT an) (NNP Oct.) (CD 19) (NN 评论) ) (PP (IN of) (NP () (NP-TTL (DT The) (NN Misanthrope) ) ('' '') (PP-LOC ( IN at) (NP (NP (NNP Chicago) (POS's) ) (NNP Goodman) ( NNP剧院) )))) (PRN (-LRB- -LRB-) (
) (S-HLN (NP -SBJ (VBN Revitalized) (NNS Classics) ) (VP (VBP Take) (NP (DT the) (NN Stage) ) (PP-LOC (IN in) (NP (NNP Windy) (NNP City) )))) (, ,) ('' '') (NP-TMP (NN休闲) (CC &) (NNS 艺术) ) (-RRB - -RRB-) ))) (, ,) (NP-SBJ-2 (NP (NP (DT the) (NN作用) ) (PP (IN of) (NP (NNP Celimene) ))) (, ,) (VP (VBN 出场) (NP (-NONE- *) ) (PP (IN by) (NP-LGS (NNP Kim) (NNP Cattrall) ))) (, ,) ) (VP (VBD 是) (VP (ADVP-MNR (RB误) ) (VBN归因) (NP (-NONE- *-2) ) (PP-CLR (TO to) (NP (NNP Christina) (NNP Haag) )))) (. .) ))
(TOP (S (NP-SBJ (NNP Ms.) (NNP Haag) ) (VP (VBZ plays) (NP (NNP Elianti) )) (. .) ))
.....(还有7000多个..)
此数据来自报纸。新行是一个新句子(以'TOP'开头)从这些数据中,我只需要每个句子的粗体部分(没有括号):
(IN In)(DT an) (NNP Oct.) (CD 19) (NN review) (IN of) (`` ``) (DT The) (NN Misanthrope) ('' '') (IN at) (NNP Chicago) (POS 's) (NNP Goodman) (NNP Theatre)(-LRB- -LRB-) (`` ``) (VBN Revitalized) (NNS Classics) (VBP Take) (DT the) (NN Stage) (IN in) (NNP Windy) (NNP City) (, ,) ('' '') (NN Leisure) (CC &) (NNS Arts) (-RRB- -RRB-)(, ,) (DT the) (NN role)(IN of) (NNP Celimene) (, ,) (VBN played) (-NONE- *)(IN by)(NNP Kim) (NNP Cattrall) (, ,) (VBD was) (RB mistakenly)(VBN attributed) (-NONE- *-2) (TO to)(NNP Christina) (NNP Haag) (. .)
(NNP Ms.) (NNP Haag) (VBZ plays)(NNP Elianti)(. .)
我尝试了以下方法:
f = open('filename')
data = f.readlines()
f.close()
这部分是为每一行创建一个元组数组(使用正则表达式):
tag_word_train = numpy.empty((5000), dtype = 'object')
for i in range(0,5000) :
tag_word_train[i] = re.findall(r'\(([\w.-]+)\s([\w.-]+)\)',data[i])
花了很长时间,所以我不知道它是否正确
您知道如何以有效的方式做到这一点吗?
谢谢,
哈达斯
最佳答案
nltk
有 a Tree
class那可能适合您的需要。特别是,您需要使用类方法 nltk.tree.Tree.fromstring
:
>>> import nltk.tree
>>> nltk.tree.Tree.fromstring("(S (NP (DT The) (N cat)) (VP (V ran)))")
Tree('S', [Tree('NP', [Tree('DT', ['The']), Tree('N', ['cat'])]), Tree('VP', [Tree('V', ['ran'])])])
关于python - 在 Python 中以有效的方式清理数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27499429/
我一直在阅读有关汇编函数的内容,但对于是使用进入和退出还是仅使用调用/返回指令来快速执行,我感到很困惑。一种方式快而另一种方式更小吗?例如,在不内联函数的情况下,在汇编中执行此操作的最快(stdcal
我正在处理一个元组列表,如下所示: res = [('stori', 'JJ'), ('man', 'NN'), ('unnatur', 'JJ'), ('feel', 'NN'), ('pig',
最近我一直在做很多网络或 IO 绑定(bind)操作,使用线程有助于加快代码速度。我注意到我一直在一遍又一遍地编写这样的代码: threads = [] for machine, user, data
假设我有一个名为 user_stats 的资源,其中包含用户拥有的帖子、评论、喜欢和关注者的数量。是否有一种 RESTful 方式只询问该统计数据的一部分(即,对于 user_stats/3,请告诉我
我有一个简单的 api,它的工作原理是这样的: 用户创建一个请求 ( POST /requests ) 另一个用户检索所有请求 ( GET /requests ) 然后向请求添加报价 ( POST /
考虑以下 CDK Python 中的示例(对于这个问题,不需要 AWS 知识,这应该对基本上任何构建器模式都有效,我只是在这个示例中使用 CDK,因为我使用这个库遇到了这个问题。): from aws
Scala 中管理对象池的首选方法是什么? 我需要单线程创建和删除大规模对象(不需要同步)。在 C++ 中,我使用了静态对象数组。 在 Scala 中处理它的惯用和有效方法是什么? 最佳答案 我会把它
我有一个带有一些内置方法的类。这是该类的抽象示例: class Foo: def __init__(self): self.a = 0 self.b = 0
返回和检查方法执行的 Pythonic 方式 我目前在 python 代码中使用 golang 编码风格,决定移动 pythonic 方式 例子: import sys from typing imp
我正在开发一个 RESTful API。其中一个 URL 允许调用者通过 id 请求特定人员的记录。 返回该 id 不存在的记录的常规值是什么?服务器是否应该发回一个空对象或者一个 404,或者其他什
我正在使用 pathlib.Path() 检查文件是否存在,并使用 rasterio 将其作为图像打开. filename = pathlib.Path("./my_file-name.tif") 但
我正在寻找一种 Pythonic 方式来从列表和字典创建嵌套字典。以下两个语句产生相同的结果: a = [3, 4] b = {'a': 1, 'b': 2} c = dict(zip(b, a))
我有一个正在操裁剪理设备的脚本。设备有时会发生物理故障,当它发生时,我想重置设备并继续执行脚本。我有这个: while True: do_device_control() device
做组合别名的最pythonic和正确的方法是什么? 这是一个假设的场景: class House: def cleanup(self, arg1, arg2, kwarg1=False):
我正在开发一个小型客户端服务器程序来收集订单。我想以“REST(ful)方式”来做到这一点。 我想做的是: 收集所有订单行(产品和数量)并将完整订单发送到服务器 目前我看到有两种选择: 将每个订单行发
我知道在 Groovy 中您可以使用字符串调用类/对象上的方法。例如: Foo."get"(1) /* or */ String meth = "get" Foo."$meth"(1) 有没有办法
在 ECMAScript6 中,您可以使用扩展运算符来解构这样的对象 const {a, ...rest} = obj; 它将 obj 浅拷贝到 rest,不带属性 a。 有没有一种干净的方法可以在
我有几个函数返回数字或None。我希望我的包装函数返回第一个不是 None 的结果。除了下面的方法之外,还有其他方法吗? def func1(): return None def func2(
假设我想设计一个 REST api 来讨论歌曲、专辑和艺术家(实际上我就是这样做的,就像我之前的 1312414 个人一样)。 歌曲资源始终与其所属专辑相关联。相反,专辑资源与其包含的所有歌曲相关联。
这是我认为必须经常出现的问题,但我一直无法找到一个好的解决方案。假设我有一个函数,它可以作为参数传递一个开放资源(如文件或数据库连接对象),或者需要自己创建一个。如果函数需要自己打开文件,最佳实践通常
我是一名优秀的程序员,十分优秀!