Python 3.x 如何使用python或Nltk更正俚语？

我从网上得到了一些文字，但人们用简短的形式写下了它们，比如大学的uni，awsm的awesome等等，但我能猜出这些单词的列表。但是如何用Python纠正它们呢？我尝试了以下方法，但没有成功

APPOSTOPHES= {"'s": "is", "'re":"are"}    
s= " i luv my iphone, you're awsm apple. DisplayisAwesome, Sooooo happppppy"
words = s.split()
rfrm=[APPOSTOPHES[word] if word in APPOSTOPHES else word for word in words]
rfrm= " ".join(rfrm)
print(rfrm)

i luv my iphone, you're awsm apple. DisplayisAwesome, Sooooo happppppy

---

但它打印的是同一个句子。它没有改变任何东西。

您的代码有一些问题，第一个问题是您没有匹配APPOSTOPHES[word]检查中的任何候选替换项

我将代码分成了非常清晰的部分，并在Approstophes字典中做了一个小的更正-注意现在值中的空格。描述的其余部分在代码注释中：

APPOSTOPHES= {"'s": " is", "'re":" are"}    
test_string = " i luv my iphone, you're awsm apple. DisplayisAwesome, Sooooo happppppy"

# split the words based on whitespace
sentence_list = test_string.split()

# make a place where we can build our new sentence
new_sentence = []

# look through each word 
for word in sentence_list:
    # look for each candidate
    for candidate_replacement in APPOSTOPHES:
        # if our candidate is there in the word
        if candidate_replacement in word:
            # replace it 
            word = word.replace(candidate_replacement, APPOSTOPHES[candidate_replacement])

    # and pop it onto a new list 
    new_sentence.append(word)

rfrm = " ".join(new_sentence)
print(rfrm)
# i luv my iphone, you are awsm apple. DisplayisAwesome, Sooooo happppppy

编辑：正如Alexis的评论所指出的，如果你试图在所有事情上应用相同的模式，单词/收缩替换将导致麻烦。我采用这种方法是因为变量名接近撇号这个词——这就是我们正在改变的。他建议使用nltk标记化方法是一个很好的建议；如果你打算将你的方法建立在一个库的基础上，一定要学习它的首选方法

---

我的回答旨在帮助您克服眼前的障碍，并向您展示为什么您会得到相同的句子字符串作为回应。

您的代码中有一些问题，其中第一个问题是，您没有匹配APPOSTOPHES[word]检查中的任何候选替换项

我将代码分成了非常清晰的部分，并在Approstophes字典中做了一个小的更正-注意现在值中的空格。描述的其余部分在代码注释中：

APPOSTOPHES= {"'s": " is", "'re":" are"}    
test_string = " i luv my iphone, you're awsm apple. DisplayisAwesome, Sooooo happppppy"

# split the words based on whitespace
sentence_list = test_string.split()

# make a place where we can build our new sentence
new_sentence = []

# look through each word 
for word in sentence_list:
    # look for each candidate
    for candidate_replacement in APPOSTOPHES:
        # if our candidate is there in the word
        if candidate_replacement in word:
            # replace it 
            word = word.replace(candidate_replacement, APPOSTOPHES[candidate_replacement])

    # and pop it onto a new list 
    new_sentence.append(word)

rfrm = " ".join(new_sentence)
print(rfrm)
# i luv my iphone, you are awsm apple. DisplayisAwesome, Sooooo happppppy

编辑：正如Alexis的评论所指出的，如果你试图在所有事情上应用相同的模式，单词/收缩替换将导致麻烦。我采用这种方法是因为变量名接近撇号这个词——这就是我们正在改变的。他建议使用nltk标记化方法是一个很好的建议；如果你打算将你的方法建立在一个库的基础上，一定要学习它的首选方法

---

我的回答旨在帮助您克服眼前的障碍，并向您展示为什么您会得到相同的句子字符串作为响应。

您的代码没有替换任何内容，因为您匹配的是完整的单词，但“re”写在前面的单词后面。如果你破解了撇号的解决方案，你很快就会发现你的代码在标点附近的单词上也失败了。例如。。。亲爱的，苏珊

由于您标记了此nltk，因此只需使用nltk的标记器，而不是拆分：

现在，re是一个完整的令牌，您的代码将按预期工作。它也会把约翰的狗变成约翰是狗，但这是你的方法中固有的

---

顺便说一句，请注意，订约是而且不是俚语。它被用在各种文本中。

您的代码没有替换任何内容，因为您匹配的是完整的单词，但“re”写在前面的单词后面。如果你破解了撇号的解决方案，你很快就会发现你的代码在标点附近的单词上也失败了。例如。。。亲爱的，苏珊

由于您标记了此nltk，因此只需使用nltk的标记器，而不是拆分：

现在，re是一个完整的令牌，您的代码将按预期工作。它也会把约翰的狗变成约翰是狗，但这是你的方法中固有的

---

顺便说一句，请注意，订约是而且不是俚语。它用于各种文本。

APPOSTOPHES[word]与列表中的任何项目都不匹配。APPOSTOPHES[word]与列表中的任何项目都不匹配。这就产生了这种特殊的替换，但对该任务进行部分替换是一个非常糟糕的主意。想想看。。。u：你当然知道，但这是提问者稍后会在他的方法中发现的。我看了你的答案，它打开了一个全新的蠕虫罐。你看了我的答案，你认为NLTKAPI的方法是错误的？让我们来听听为什么。我不希望你能解决OP的所有问题，我当然不会尝试，但OP的代码匹配完整的单词。你通过使用部分匹配引入了一个问题，你说这很好，因为提问者稍后会在他的方法中发现这个问题？哇，这有什么了不起的？我正在做OP试图在他的方法中做的事情。你希望有答案教他如何进行俚语分类吗？他想匹配撇号。我的密码是为他做的。我故意不匹配像u这样的字母，因为很明显。提到NLTKAPI（您没有提到），并不等于有一个全面的答案。提问者显然是在学习Python，所以一条小步走的道路比用手摇摇晃晃要好。嘿，只要用正确的方法来做，祝你好运！而且，他的代码与完整的单词不匹配。你读过吗？这是一个特殊的替换，但是为这个任务做部分单词替换是一个非常糟糕的主意。想想看。。。u:你当然知道，但那是询问者会发现的东西

---

后来在他的方法中。我看了你的答案，它打开了一个全新的蠕虫罐。你看了我的答案，你认为NLTKAPI的方法是错误的？让我们来听听为什么。我不希望你能解决OP的所有问题，我当然不会尝试，但OP的代码匹配完整的单词。你通过使用部分匹配引入了一个问题，你说这很好，因为提问者稍后会在他的方法中发现这个问题？哇，这有什么了不起的？我正在做OP试图在他的方法中做的事情。你希望有答案教他如何进行俚语分类吗？他想匹配撇号。我的密码是为他做的。我故意不匹配像u这样的字母，因为很明显。提到NLTKAPI（您没有提到），并不等于有一个全面的答案。提问者显然是在学习Python，所以一条小步走的道路比用手摇摇晃晃要好。嘿，只要用正确的方法来做，祝你好运！而且，他的代码与完整的单词不匹配。你读过吗？啊，我明白了。但是你删除了我的演示，它可以出现在非俚语文本中：-顺便说一句，如果你把它改为否决票，你能告诉我出了什么问题吗？删除你的评论是安全的now@alexis嗨，我知道这个答案已经发布很久了，但是nltk.WordTokens['I'，'luv'，'my'，'仔细看，你的测试文本在you's中包含一个直接引号。使用ascii撇号you's，它仍然被标记，如答案所示。啊，我明白了。但是你删除了我的演示，它可以在非俚语文本中显示：-顺便说一句，如果你把它改为否决票，你能告诉我出了什么问题吗？这是安全的删除您的评论now@alexis嗨，我知道这个答案已经发布很久了，但是nltk.wordtokenizes产生了[i]、[luv]、[my]、[you's]仔细看，你的测试文本在you's中包含一个直接引号。使用ascii撇号you's，它仍然被标记，如答案所示。