Python NLTK-制作一个'；字典'；来自语料库并保存数字标记

我对Python不是很有经验，但我想用语料库做一些数据分析，所以我在NLTK Python中做这部分

我想浏览整个语料库，制作一本包含语料库数据集中出现的每个单词的词典。我希望能够在这本词典中搜索一个单词，并找到这个单词作为什么词性出现的次数（tag）。例如，如果我搜索“dog”，我可能会找到100个名词标记和5个动词标记，等等

最终的目标是在外部将该文件保存为.txt或其他文件，并将其加载到另一个程序中，以检查某个单词成为哪个标记的可能性

---

我可以用Counter和ngrams来做这个吗？

因为你只需要松散单词的POS，而不需要ngrams，所以你需要一个标记的语料库。假设你的语料库已经被标记，你可以这样做

>>> from nltk.corpus import brown
>>> wordcounts = nltk.ConditionalFreqDist(brown.tagged_words())
>>> wordcounts["set"].tabulate(10)
VBN   VB   NN  VBD VBN-HL NN-HL 
159   88   86   71    2    2 

ConditionalFreqDist

基本上是一个包含

计数器

对象的字典，其中包含一些额外的内容。在NLTK文档中查找它

注：如果你想在计数前对你的单词进行大小写标准化，请使用

wordcounts = nltk.ConditionalFreqDist((w.lower(), t) for w, t in brown.tagged_words())

---

好的，这看起来很有效！谢谢我可以使用json将wordcounts的内容打印到文本文件中吗？json.dump（wordcounts，open（“corpus_dict.txt”，“w”）输出一个无意义的文本文件。我想这是因为它是一个物体的目录？我不知道。如果json不处理嵌套字典，我会非常惊讶，这就是它们的全部；我试过了，看起来完全合法。尝试

dump=json.dumps（wordcounts）

，然后打印

dump[:100]

有趣的是，我可以将dump[:100]打印到一个txt文件中，它会给出一些“{\“fawn\”：{\“NN\”：1}，\“Ranavan\”……但是当我打印整个转储文件时，它看起来像是在文本之上写的文本