Python 标记了nltk.corpus.nps_chat.xml_post

嗨，我在NLTK，nps_聊天语料库工作

我知道我可以访问nps聊天语料库，如下所示

posts = nltk.corpus.nps_chat.xml_posts()

Labeled_names=[(post.text,post.get('class')) for post in posts]

我准备了一份名单，如下所示

posts = nltk.corpus.nps_chat.xml_posts()

Labeled_names=[(post.text,post.get('class')) for post in posts]

我得到了如下消息：

>>> Labeled_names[:10]
[('now im left with this gay name', 'Statement'), (':P', 'Emotion'), ('PART', 'System'), ('hey everyone  ', 'Greet'), ('ah well', 'Statement'), ('NICK :10-19-20sUser7', 'System'), ('10-19-20sUser7 is a gay name.', 'Accept'), ('.ACTION gives 10-19-20sUser121 a golf clap.', 'System'), (':)', 'Emotion'), ('JOIN', 'System')]

---

我需要知道的是，除了文本之外，是否有一种方法可以使用nltk.corpus.nps\u chat.xml\u post获取标记文本

nps_chatAPI并没有提供一种同时查看POS标记和post元数据的简单方法，但它只需一行代码即可导航

XML_posts（）返回的XML元素并获取此信息。这里有一个小演示：

from nltk.corpus import nps_chat

for p in nps_chat.xml_posts()[3:5]:
    print(p.get("class"), p.get("user"))
    print(p.text)
    tagged_words = list((t.get("word"), t.get("pos")) for t in p[0]) # <-- here it is
    print(tagged_words)
    print()

每个
xml\u post
都有一个唯一的元素
terminals
，包含一系列元素
t
，每个元素都有
word
和
pos
属性。完整路径：
Session/Posts/Post/terminals/t
。因此，
terminals
元素是
p[0]
，我们迭代它的子元素以获取它们的单词和词性标签。
您是指词性标签文本吗？如果是，请使用
nltk.pos_tag（）
标记文本。否。NPS聊天语料库已标记。我需要做的是，当我使用post.textOnly
nltk.corpus.nps\u chat.tagged\u posts（）获取文本时，有没有一种方法可以获取这些标记。找到了。非常感谢。这就是我想要的know@DYZ事实上，这是可行的，甚至不是很难。（答案如下。）