Question

我有一个非常简单的CherryPy网络服务，我希望它将成为更大项目的基础，但是，我需要让NLTK以我想要的方式工作。

我的python脚本导入NLTK并使用NLTK的搭配（bigram）函数对预加载的数据进行一些分析。

我有几个问题：

1）为什么程序没有将搭配返回给我的浏览器，而只返回我的控制台？。

2）为什么如果我指定from nltk.book import text4，程序会导入整套样本书（text1到text9）？

请记住，我是一个新手，所以答案可能就在我面前，但我没有看到。

主要问题：如何将配置结果传递给浏览器（webservice）而不是控制台？

由于

import cherrypy
import nltk
from nltk.book import text4

class BiGrams:
    def index(self):
        return text4.collocations(num=20)
    index.exposed = True

cherrypy.quickstart(BiGrams())

Answer 1

我一直在与 Moby Dick 做一些工作，我偶然发现了导入一个特定文本的问题的答案：

>>>import nltk.corpus
>>>from nltk.text import Text
>>>moby = Text(nltk.corpus.gutenberg.words('melville-moby_dick.txt'))

因此，您真正需要的只是fileid，以便将该文件的文本分配给新的Text对象。但要小心，因为只有“文学”来源在gutenberg.words目录中。

无论如何，为了帮助找到gutenberg的文件ID，在上面导入nltk.corpus之后，你可以使用以下命令：

>>> nltk.corpus.gutenberg.fileids()

['austen-emma.txt', 'austen-persuasion.txt', 'austen-sense.txt', 'bible-kjv.txt',     'blake-poems.txt', 'bryant-stories.txt', 'burgess-busterbrown.txt', 'carroll-alice.txt',   'chesterton-ball.txt', 'chesterton-brown.txt', 'chesterton-thursday.txt', 'edgeworth-parents.txt', 'melville-moby_dick.txt', 'milton-paradise.txt', 'shakespeare-caesar.txt', 'shakespeare-hamlet.txt', 'shakespeare-macbeth.txt', 'whitman-leaves.txt']

然而，这仍然没有回答您的特定语料库的问题，即就职演说。对于那个答案，我发现了麻省理工学院的这篇论文：http://web.mit.edu/6.863/www/fall2012/nltk/ch2-3.pdf

（我推荐给任何开始使用nltk文本的人，因为它讨论了抓取各种文本数据进行分析）。获取就职地址fileids的答案见第6页（稍后编辑）：

>>> nltk.corpus.inaugural.fileids()
['1789-Washington.txt', '1793-Washington.txt', '1797-Adams.txt', '1801-Jefferson.txt', '1805-Jefferson.txt', '1809-Madison.txt', '1813-Madison.txt', '1817-Monroe.txt', '1821-Monroe.txt', '1825-Adams.txt', '1829-Jackson.txt', '1833-Jackson.txt', '1837-VanBuren.txt', '1841-Harrison.txt', '1845-Polk.txt', '1849-Taylor.txt', '1853-Pierce.txt', '1857-Buchanan.txt', '1861-Lincoln.txt', '1865-Lincoln.txt', '1869-Grant.txt', '1873-Grant.txt', '1877-Hayes.txt', '1881-Garfield.txt', '1885-Cleveland.txt', '1889-Harrison.txt', '1893-Cleveland.txt', '1897-McKinley.txt', '1901-McKinley.txt', '1905-Roosevelt.txt', '1909-Taft.txt', '1913-Wilson.txt', '1917-Wilson.txt', '1921-Harding.txt', '1925-Coolidge.txt', '1929-Hoover.txt', '1933-Roosevelt.txt', '1937-Roosevelt.txt', '1941-Roosevelt.txt', '1945-Roosevelt.txt', '1949-Truman.txt', '1953-Eisenhower.txt', '1957-Eisenhower.txt', '1961-Kennedy.txt', '1965-Johnson.txt', '1969-Nixon.txt', '1973-Nixon.txt', '1977-Carter.txt', '1981-Reagan.txt', '1985-Reagan.txt', '1989-Bush.txt', '1993-Clinton.txt', '1997-Clinton.txt', '2001-Bush.txt', '2005-Bush.txt', '2009-Obama.txt']

因此，您应该能够将特定的就职地址导入为文本（假设您从上面的“nltk.text导入文本”执行），或者您可以使用上面导入的“就职”标识符来处理它们。例如，这有效：

>>>address1 = Text(nltk.corpus.inaugural.words('2009-Obama.txt'))

实际上，您可以通过调用inaugural.words而不使用任何参数将所有就职地址视为一个文档，如以下this page中的示例所示：

>>>len(nltk.corpus.inaugural.words())

OR

地址=文字（nltk.corpus.inaugural.words（））

我记得一个月前在尝试自己回答这个问题时阅读这个帖子，所以也许这些信息，如果来得晚，对某个人有帮助。

（这是我对Stack Overflow的第一次贡献。我已经阅读了好几个月，从来没有任何有用的东西可以添加到现在。只是想说一般'感谢所有人的帮助。'）

Answer 2

我的猜测是你从collocations()调用回来的不是一个字符串，你需要序列化它。试试这个：

import cherrypy
import nltk
from nltk.book import text4
import simplejson

class BiGrams:
    def index(self):
        c = text4.collocations(num=20)
        return simplejson.dumps(c)
    index.exposed = True

cherrypy.quickstart(BiGrams())

Answer 3

看看源代码（http://code.google.com/p/nltk/source/browse/trunk/nltk/），你会学到很多东西（我知道我做过）。

1）搭配正在返回你的控制台，因为它应该是它应该做的。

help(text4.collocations)

会给你：

Help on method collocations in module nltk.text:

collocations(self, num=20, window_size=2) method of nltk.text.Text instance
    Print collocations derived from the text, ignoring stopwords.

    @seealso: L{find_collocations}
    @param num: The maximum number of collocations to print.
    @type num: C{int}
    @param window_size: The number of tokens spanned by a collocation (default=2)
    @type window_size: C{int}

浏览text.py中的来源，你会发现搭配的方法很简单。

2）导入nltk.book加载每个文本。你可以从book.py中获取所需的位，然后编写一个只加载就职地址的方法。

CherryPy WebService不会将NLTK并置返回到浏览器窗口

3 个答案: