使用NLTK获取Python中大量的名词（或形容词）；或者Python疯狂的Libs

比如，我感兴趣的是通过词性（一长串名词；一长串形容词）获得一大串单词，以便在其他地方以编程方式使用。有一个使用WordNet数据库（SQL）格式的解决方案

有没有一种方法可以使用Python NLTK中内置的语料库/工具获得这样的列表。我可以获取大量文本，对其进行解析，然后存储名词和形容词。但是考虑到内置的词典和其他工具，有没有更聪明的方法来简单地提取NLTK数据集中已经存在的单词，编码为名词/形容词（无论什么）

---

谢谢。

您应该使用这些数据。不要拘泥于默认情况下只使用NLTK中直接包含的内容。下载这些文件几乎不需要什么工作，一旦加载NLTK，就可以很容易地解析它们。

值得注意的是，默认情况下，Wordnet实际上是NLTK下载程序中包含的语料库之一。因此，可以想象，您可以使用已经找到的解决方案，而不必重新发明任何轮子

例如，您可以这样做来获取所有名词语法集：

from nltk.corpus import wordnet as wn

for synset in list(wn.all_synsets('n')):
    print synset

# Or, equivalently
for synset in list(wn.all_synsets(wn.NOUN)):
    print synset

这个例子会给出你想要的每一个名词，它甚至会将它们分组到它们的语法集中，这样你就可以尝试确保它们在正确的上下文中使用

如果你想把它们都列在一个列表中，你可以做如下的事情（尽管这会根据你想如何使用单词和语法集而有所不同）：

或作为一个班轮：

all_nouns = [word for synset in wn.all_synsets('n') for word in synset.lemma_names()]

---

本周早些时候我看到了一个类似的问题（找不到链接），但正如我当时所说的，我不认为维护一个名词/形容词/任何东西的列表是一个好主意。这主要是因为同一个词可以有不同的词性，这取决于上下文

但是，如果您仍然死心塌地地地使用这些列表，那么我会这样做（我没有在这台机器上安装一个正常工作的NLTK，但我记得一些基本知识）：

---

希望这能有所帮助

Oof，既然可以使用预先构建的语料库，为什么还要标记不同的语料库呢？我觉得对于一个大型语料库来说，这需要非常长的时间。根据使用情况，同一个“词”（比如说“字符串”以避免语言学家生气）可能作为多个词类存在这一事实是没有问题的。如果你在写一个疯狂的Lib补全词，scratch既是名词又是动词这一事实是没有问题的，对吧？我很喜欢这个解决方案不需要下载/解析另一个文件。@SlaterTyranus:我不是想建议OP在pos上标记一个新的语料库。相反，我想传达的是，NLTK附带的一个语料库应该被标记。如果我没记错的话，如果语料库已经被标记，

pos_-tag

不会执行任何新的标记，而是返回已经标记的数据ooh，我明白了。我的错误，这更有道理。太好了。我试试这个。我知道wordnet是NLTK的一部分，但我没有充分了解api。谢谢。@cforster不用担心，很乐意帮忙。这应该是

…列表（wn.all\u synsets（wn.noon））…

？wn.NOUN是一个常量，设置为'n'，但它的值更大readable@Oxinabox可以说更具可读性，不过我会附上这张便条，谢谢你提出来！Python3的列表（wn.wordnet.all_语法集（wn.wordnet.noon）），也可以使用“ADJ”、“ADJ_SAT”、“ADV”、“VERB”

all_nouns = [word for synset in wn.all_synsets('n') for word in synset.lemma_names()]

nouns = set()
for sentence in my_corpus.sents():
    # each sentence is either a list of words or a list of (word, POS tag) tuples
    for word, pos in nltk.pos_tag(sentence): # remove the call to nltk.pos_tag if `sentence` is a list of tuples as described above

        if pos in ['NN', "NNP"]: # feel free to add any other noun tags
            nouns.add(word)