NLTK:conllstr2tree无法正常工作（Python3）

在本教程的第3.1部分中，有一个示例演示了我正在尝试做的事情

基本上是这样的：

import nltk
text = " ..... "  #Whatever the text should be
nltk.chunk.conllstr2tree(text, chunk_types=['NP']).draw()

这将根据给定的

文本生成树。


我编写的代码试图使用文本文件中的输入。
因此，在打开它之后，我使用
readlines
获取它的字符串版本

import nltk, re, pprint
f = open('sample.txt', 'r')
f1 = f.read().strip()
f2 = ' '.join(f1.split())
nltk.chunk.conllstr2tree(f2, chunk_types=['NP']).draw()

我得到的错误是：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-17-768af8cd2f77> in <module>()
      3 f1 = f.read().strip()
      4 f2 = ' '.join(f1.split())
----> 5 nltk.chunk.conllstr2tree(f2, chunk_types=['NP']).draw()

/usr/local/lib/python3.4/dist-packages/nltk/chunk/util.py in conllstr2tree(s, chunk_types, root_label)
    380         match = _LINE_RE.match(line)
    381         if match is None:
--> 382             raise ValueError('Error on line %d' % lineno)
    383         (word, tag, state, chunk_type) = match.groups()
    384 

ValueError: Error on line 0

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
3 f1=f.read（）.strip（）
4 f2=''.join（f1.split（））
---->5 nltk.chunk.conllstr2tree（f2，chunk_types=['NP']）.draw（）
/conllstr2树中的usr/local/lib/python3.4/dist-packages/nltk/chunk/util.py（s，chunk\u类型，root\u标签）
380匹配=线匹配（线）
381如果匹配为无：
-->382 raise VALUERROR（'第%d行'%lineno'上的错误）
383（字、标记、状态、块类型）=匹配.groups（）
384
ValueError:第0行出现错误
您正在从sample.txt传入原始字符串数据，修剪空格
f1
，然后在空格
f2
上标记

如果你看看他们提到的分块方法

nltk.chunk.conllstr2tree(text, chunk_types=['NP']).draw()

text
变量是一系列IOB标记的数据，如下所示：

text = """
   he PRP B-NP
   accepted VBD B-VP
   the DT B-NP
   position NN I-NP
   of IN B-PP
   vice NN B-NP
   chairman NN I-NP
   of IN B-PP
   Carlyle NNP B-NP
   Group NNP I-NP
   , , O
   a DT B-NP
   merchant NN I-NP
   banking NN I-NP
   concern NN I-NP
   . . O
"""

根据文档，conllstr2tree方法：

返回单个句子的组块结构
在给定的CONLL 2000样式字符串中编码。
此函数用于将CoNLL IOB字符串转换为树。
它使用指定的块类型
（默认为NP、PP和VP），并创建以节点为根的树
标记为S（默认情况下）

问题在于，您没有以正确的格式传递（CoNLL 2000《华尔街日报》），这应该是这样的（没有斜线）：

因此，您需要执行两个额外的步骤：

找到每个单词可能的词性标记
查找块类型
在适当的IOB标签前面加上前缀
提供一个示例代码段是不合理的（对于一个SO问题），因为这是相当多的工作，但希望这能为您指明正确的方向
 很好的解释。OP引用的NLTK书籍章节给出了编写和培训chunker的完整代码；一个人只要通读这一章，就能得到相关的部分。谢谢！是的，很有道理。谢谢你指出这一点！他应该很快就好了你想干什么？块核动力源？识别命名实体？完全是别的吗？从你的片段中根本不清楚。
token / POS Tag / IOB-Chunk Type