Python 对txt文件进行分类并仅替换分类词

在计算如何从txt文件中对单词进行语法化时遇到困难。我已经把这些单词列出来了，但我不知道在事实发生后如何把它们用柠檬词化

以下是我所拥有的：

import nltk, re
nltk.download('wordnet')
from nltk.stem.wordnet import WordNetLemmatizer

def lemfile():
    f = open('1865-Lincoln.txt', 'r')
    text = f.read().lower()
    f.close()
    text = re.sub('[^a-z\ \']+', " ", text)
    words = list(text.split())

---

初始化一个

WordNetLemmatizer

对象，并对行中的每个单词进行lemmatize。您可以使用

fileinput

模块执行就地文件I/O

# https://stackoverflow.com/a/5463419/4909087
import fileinput

lemmatizer = WordNetLemmatizer()
for line in fileinput.input('1865-Lincoln.txt', inplace=True, backup='.bak'):
    line = ' '.join(
        [lemmatizer.lemmatize(w) for w in line.rstrip().split()]
    )
    # overwrites current `line` in file
    print(line)

---

fileinput.input

在使用stdout时将其重定向到打开的文件。

您也可以尝试在

pywsd

包中的NLTK的

WordNetleMatizer

周围使用包装器

安装：

pip install -U nltk
python -m nltk.downloader popular
pip install -U pywsd

代码：

针对你的问题：

from __future__ import print_function
from pywsd.util import lemmatize_sentence 

with open('file.txt') as fin, open('outputfile.txt', 'w') as fout
    for line in fin:
        print(' '.join(lemmatize_sentence(line.strip()), file=fout, end='\n')

---

如图所示，对txt文件进行柠檬化并仅替换柠檬化的单词--`

导入nltk
从nltk.corpus导入停止词
从nltk.stem导入PorterStemmer
从nltk.tokenize导入单词\u tokenize
从nltk.stem导入WordNetLemmatizer
从pywsd.utils导入lemmatize_语句
lmm=WordNetLemmatizer（）
ps=PorterStemmer（）
新的_数据=[]
将open（'/home/rahul/Desktop/align.txt'，r'）作为f：
f1=f.read（）
f2=f1.split（）
en_stops=set（stopwords.words（'english'））
hu_stops=set（stopwords.words（'hungarian'））
所有单词=f2
标点符号=“”！()-[]{};:'“\，./？@$%^&*.[]
#如果需要对一个字符串进行lemmatization，则在第行下面取消注释
#data='rahul学校教育遇到了幸福制造'
打印（）
对于所有单词中的行：
new_data=''.join（使句子（行）变元化）
打印（新数据）

---

PS-根据您的需要进行识别。

---

希望这有帮助！！！

这是否意味着我不必像以前那样先列出单词？@ArchivistG您可能仍然需要清理您的句子（使用正则表达式，为了简单起见，我省略了这一步）。没有什么可列出的，只是将单词进行柠檬化并写入文件。因此，我尝试了它，但它没有将任何内容进行柠檬化。它删除了偶尔出现的“s”或“ss”，但仅此而已。例如，它将“less”变为“le”。@ArchivistG如果您查看文档，

lemmatize

接受第二个作为词性的参数（名词、动词等）。默认情况下，所有单词都是名词，因此带-ing的动词不会被柠檬化，除非您设置了

pos='v'

。您可以改为使用

lemmatizer.lemmatize（lemmatizer.lemmatize（w），pos='v'）

，但要小心……这太慢了。@ArchivistG祝您好运！如果您需要更多帮助，请随时ping（尽管我不确定如果这对你不起作用，我还能做些什么：p）请看一下“词干和柠檬化”部分。

from __future__ import print_function
from pywsd.util import lemmatize_sentence 

with open('file.txt') as fin, open('outputfile.txt', 'w') as fout
    for line in fin:
        print(' '.join(lemmatize_sentence(line.strip()), file=fout, end='\n')

import nltk
from nltk.corpus import stopwords
from nltk.stem import PorterStemmer
from nltk.tokenize import word_tokenize
from nltk.stem import WordNetLemmatizer
from pywsd.utils import lemmatize_sentence

lmm = WordNetLemmatizer()
ps = PorterStemmer()

new_data= []

with open('/home/rahul/Desktop/align.txt','r') as f:
f1 = f.read()
f2 = f1.split()
en_stops = set(stopwords.words('english'))
hu_stops = set(stopwords.words('hungarian'))

all_words = f2 
punctuations = '''!()-[]{};:'"\,<>./?@#$%^&*_~[<p>]'''
#if lemmatization of one string is required then uncomment below line
#data='this is coming rahul  schooling met happiness making'
print ()
for line in all_words:
    new_data=' '.join(lemmatize_sentence(line))
    print (new_data)