我的词典我做主！Python3.5生成自己的词性词典

2021-03-15 04:31

阅读：641

标签：alt 阅读动手字符没有 mic nes 网络爬虫文本分析

由于朋友需要做文本分析，前提是要将文本中的名词和动词剔除掉，但没有现成的名词和动词的txt格式的词典。于是找来了一个英汉词典，根据每一行出现的adj、adv、n、prep等，使用正则表达式匹配需要的词性，并将其追加写入到txt文件中。

建议大家使用python3.5，3的优点是避免了很多编码问题。3代表着python的未来，大家还是应该多多的对未来投资。
技术图片
比如，我要生成形容词的词典。步骤：
1、应先使用正则表达式，匹配含有‘adj’的行字符串，返回的是list。
2、获得adj结尾处的索引值
3、对行字符串进行切片处理，获得索引值后的全部字符
4、如果获得的字符串有 ‘，’ 那再用正则表达式，匹配中文字符，获得的是中文的list
代码实现如下：

import re

strs = open(r‘C:/Users/myl/Desktop/SegChineseToWords/英汉词典TXT格式.txt‘,‘r‘,encoding=‘utf-8‘).readlines()

for str in strs:

# 形容词典
    adj_re = re.search(‘adj‘, str)
    if adj_re != None:
        adj_num = adj_re.end()+1
        adj_str = str[adj_num:]
        adj_list = re.findall("[\u4e00-\u9fa5]+", adj_str)
        for ele_adj in adj_list:
            ele_adj = ele_adj + ‘\n‘
            with open(r‘C:/Users/myl/Desktop/SegChineseToWords/Dict/adj_dict.txt‘, ‘a+‘,encoding=‘utf-8‘) as f:
                f.write(ele_adj)

实现的效果如下图：
技术图片
本代码中用到 re模块的 research方法，具体大家去百度下，这个方法的相关知识。
现在附上练习材料和最终代码，大家可以比照着练习下正则。
代码：http://pan.baidu.com/s/1dFyWQwL