Dictionary 名词、动词、形容词等的单独词表

通常单词列表是一个包含所有内容的文件，但是否有可单独下载的名词列表、动词列表、形容词列表等

我特别需要英文版。

请参阅。特别是“词性数据库”。您必须自己进行一些最小的文本处理，以便自己将数据库放入多个文件中，但这可以通过几个

grep

命令轻松完成

---

许可条款可以在“自述”页面上找到。

这是一个排名很高的谷歌结果，因此我正在挖掘这个2年前的问题，以提供比现有问题更好的答案

“Kevin的单词列表”页面提供了2000年的旧列表，基于WordNet 1.6

阅读本文时，最好去下载WordNet 3.0（仅数据库版本）或任何最新版本

解析它非常简单；只需应用一个正则表达式

“/^（\S+？）[\S%]/”

来抓取每个单词，然后用空格替换结果中的所有

“\u”

（下划线）。最后，将结果转储到所需的任何存储格式。你会得到一个单独的形容词、副词、名词、动词列表，甚至是一个特殊的（非常无用/有用，取决于你在做什么）列表，称为“感官”，它与我们的嗅觉、视觉、听觉等有关，例如“衬衫”或“辛辣”

---

享受吧！如果您在项目中使用，请记住包含他们的版权声明。

如果您仅从中下载数据库文件，则可以通过运行以下命令来提取文字：

egrep -o "^[0-9]{8}\s[0-9]{2}\s[a-z]\s[0-9]{2}\s[a-zA-Z_]*\s" data.adj | cut -d ' ' -f 5 > conv.data.adj
egrep -o "^[0-9]{8}\s[0-9]{2}\s[a-z]\s[0-9]{2}\s[a-zA-Z_]*\s" data.adv | cut -d ' ' -f 5 > conv.data.adv
egrep -o "^[0-9]{8}\s[0-9]{2}\s[a-z]\s[0-9]{2}\s[a-zA-Z_]*\s" data.noun | cut -d ' ' -f 5 > conv.data.noun
egrep -o "^[0-9]{8}\s[0-9]{2}\s[a-z]\s[0-9]{2}\s[a-zA-Z_]*\s" data.verb | cut -d ' ' -f 5 > conv.data.verb

或者如果您只需要单个单词（无下划线）

每个词性词汇表条目包括一个单词或短语字段，后跟一个字段分隔符（ASCII 215），以及使用以下ASCII符号编码的词性字段（大小写重要）：

---

正如其他人所建议的那样，词汇是词类的重要来源。也就是说，用于提取单词的示例并不完全正确。每一行实际上是一个“同义词集”，由多个同义词及其定义组成。大约30%的单词只作为同义词出现，因此简单地提取第一个单词会丢失大量数据

行格式的解析非常简单（

search.c

，function

parse\u synset

），但是如果您只对单词感兴趣，那么行的相关部分的格式为：

NNNNNNNN NN a NN word N [word N ...]

这些对应于：

• 文件中的字节偏移量（8个字符的整数）
• 文件号（2个字符的整数）
• 词性（1字）
• 字数（2个字符，十六进制编码）
• N出现。。。
  • 用下划线替换空格的单词，括号中的可选注释
  • 单词词法ID（唯一的出现ID）

例如，从

data.adj

：

00004614 00 s 02 cut 0 shortened 0 001 & 00004412 a 0000 | with parts removed; "the drastically cut film"

• 文件中的字节偏移量为4614
• 文件号为0
• 词性是

  s

  ，对应于形容词（

  wnutil.c

  ，function

  getpos

  ）
• 字数是2
  • 第一个单词是

    cut

    ，词法ID为0
  • 第二个单词是

    缩短的

    ，词法ID为0

---

一个简短的Perl脚本，用于从

数据中转储单词。*

文件：

#!/usr/bin/perl

while (my $line = <>) {
    # If no 8-digit byte offset is present, skip this line
    if ( $line !~ /^[0-9]{8}\s/ ) { next; }
    chomp($line);

    my @tokens = split(/ /, $line);
    shift(@tokens); # Byte offset
    shift(@tokens); # File number
    shift(@tokens); # Part of speech

    my $word_count = hex(shift(@tokens));
    foreach ( 1 .. $word_count ) {
        my $word = shift(@tokens);
        $word =~ tr/_/ /;
        $word =~ s/\(.*\)//;
        print $word, "\n";

        shift(@tokens); # Lexical ID
    }
}

#/usr/bin/perl
while（我的$line=）{
#如果不存在8位字节偏移量，则跳过此行
如果（$line！~/^[0-9]{8}\s/）{next；}
chomp（$line）；
my@tokens=拆分（/，$line）；
移位（@tokens）#字节偏移量
shift（@tokens）；#文件号
移位（@tokens）#词性
我的$word_count=hex（移位（@tokens））；
foreach（1..$word\u计数）{
我的$word=shift（@tokens）；
$word=~tr/u/；
$word=~s/\（.*）/；
打印$word，“\n”；
移位（@tokens）#词法ID
}
}

可以找到上述脚本的要点。
可以找到一个更健壮的解析器，它与原始源代码保持一致

---

这两个脚本的使用方式相似：

/wordnet\u parser.pl DATA\u FILE

您使用哪些文件？请注意，wordnet 3.0不包含变位符，例如，如果您在动词列表中搜索单词“are”，它将一无所获。当然“be”在那里，所以动词在那里，只是没有变位。链接已经死了。这似乎并没有给4年前说过的话增添多少。你自己说吧，这正是我需要的。谢天谢地！链接断了，认为应该是：你是真正的MVP！不确定windows中剪切的cmd，所以在记事本++搜索中执行了：^[^a-z]*？[a-z][^a-z]*？（[a-zA-z]+）。？$Replace:\1非常感谢您为这个旧问题添加了这个有用的答案。你确实让我的生活轻松多了。如果可以的话，我会再投票99次。

00004614 00 s 02 cut 0 shortened 0 001 & 00004412 a 0000 | with parts removed; "the drastically cut film"

#!/usr/bin/perl

while (my $line = <>) {
    # If no 8-digit byte offset is present, skip this line
    if ( $line !~ /^[0-9]{8}\s/ ) { next; }
    chomp($line);

    my @tokens = split(/ /, $line);
    shift(@tokens); # Byte offset
    shift(@tokens); # File number
    shift(@tokens); # Part of speech

    my $word_count = hex(shift(@tokens));
    foreach ( 1 .. $word_count ) {
        my $word = shift(@tokens);
        $word =~ tr/_/ /;
        $word =~ s/\(.*\)//;
        print $word, "\n";

        shift(@tokens); # Lexical ID
    }
}