Python 3.x 如何从布朗语料库中获取动词、名词、形容词？

我一直试图从布朗语料库中分离出所有的名词、动词等，所以我尝试使用代码

brown.all_synsets('n')

但显然，这段代码只适用于wordnet。顺便说一下，我正在使用Python3.4

---

编辑 @阿尔维斯的回答奏效了。但是当我把它和random一起使用时，它会出错。看一看

nn = {word for word, pos in brown.tagged_words() if pos.startswith('NN')}
print(nn)

输出是

{'such', 'rather', 'Quite', 'Such', 'quite'}

但是当我使用

random.choice(nn)

我明白了

回溯（最近一次呼叫最后一次）：
文件“/home/aziz/Desktop/2222.py”，第5行，在
打印（随机选择（NN））
文件“/usr/lib/python3.4/random.py”，第256行，在选项中
返回序号[i]
TypeError:“set”对象不支持索引

TL；DR

>>> from nltk.corpus import brown
>>> {word for word, pos in brown.tagged_words() if pos.startswith('NN')}

---

在较长时间内

遍历

.tagged_words（）

函数，该函数将返回

（'word'，'POS'）

元组列表：

>>> from nltk.corpus import brown
>>> brown.tagged_words()
[(u'The', u'AT'), (u'Fulton', u'NP-TL'), ...]

请阅读本章了解NLTK corpora API的工作原理：

然后，对其进行列表理解，并保存一组带有名词标记的单词（例如，

NN、NNS、NNP等）。

>>> {word for word, pos in brown.tagged_words() if pos.startswith('NN')}

请注意，输出可能不是您所期望的，因为带有句法和句法名词词性标记的单词不一定是语义参数/实体

---

另外，我认为你提取的单词不正确。仔细检查列表：

>>> nouns = {word for word, pos in brown.tagged_words() if pos.startswith('NN')} 
>>> 'rather' in nouns
False
>>> 'such' in nouns
False
>>> 'Quite' in nouns
False
>>> 'quite' in nouns
False
>>> 'Such' in nouns
False

列表的输出为：

---

为什么

随机。当
nn
是一个集合时，选择（nn）

失败？

random.choice（）

的输入是一个序列（请参阅）

随机选择（seq）

从非空序列返回随机元素 如下。如果seq为空，则引发indexer

python中的python序列类型是

• python2.x中的str、unicode、list、tuple、bytearray、buffer、xrange（请参阅）
• Python3.x中的列表、元组和范围
• （二进制序列类型）Python 3.x中的字节、字节数组、内存视图
• Python 3.x中的（文本字符串序列）

  str

---

由于

set

不是序列，因此您将获得

索引器

欢迎使用StackOverflow。请不要将答案贴在其他答案的回复上，而是编辑您的问题，查看单词是如何以棕色标记的，因为它们大多被视为金/银标准（即基本事实），所以别无选择，只能接受标记。您确定您的输出中得到了“相当”吗？我没有=（是的，我只是做了一些修改。实际的代码是{word-for-word，pos-in-brown.tagged_-words（），如果pos.startswith（'NN'）），但我把它改成了[word-for-word，pos-in-brown.tagged_-words（），如果pos.startswith（'NN'）]我很满意。请为这个代码片段添加一些支持文本。解释为什么它会解决OP的问题。帮助其他人理解。当然@APC，抱歉正在准备早餐，所以我做了一个快速的回答。我想你想知道，因为这出现在低质量的后期评论中。当你在做早餐时，我喜欢我的鸡蛋有阳光的一面up:）@alvas，如果我使用自己的语料库，代码会工作吗？如我所见，在这种情况下将不会有

.tagged\u words（）

方法。有什么提示吗？

>>> nouns = {word for word, pos in brown.tagged_words() if pos.startswith('NN')} 
>>> 'rather' in nouns
False
>>> 'such' in nouns
False
>>> 'Quite' in nouns
False
>>> 'quite' in nouns
False
>>> 'Such' in nouns
False