Question

我需要将WordNet数据库文件（noun.shape，noun.state，verb.cognition ecc）从其自定义扩展名转换为.txt，以便更轻松地提取其名词，动词，形容词和副词在他们的自定义类别。换句话说，在“DATABASE FILES ONLY”中你会找到我正在寻找的文件，不幸的是它们有.STATE或.SHAPE扩展名。它们在记事本中是可读的，但我需要一个包含这些文件中所有项目的列表，而不在括号中定义。

Answer 1

如果您只是将WordNet用作字典，可以尝试Open Multilingual WordNet，请参阅http://compling.hss.ntu.edu.sg/omw/

import os, codecs

from nltk.corpus import wordnet as wn

# Read Open Multi WN's .tab file
def readWNfile(wnfile, option="ss"):
  reader = codecs.open(wnfile, "r", "utf8").readlines()
  wn = {}
  for l in reader:
    if l[0] == "#": continue
    if option=="ss":
      k = l.split("\t")[0] #ss as key
      v = l.split("\t")[2][:-1] #word
    else:
      v = l.split("\t")[0] #ss as value
      k = l.split("\t")[2][:-1] #word as key
    try:
      temp = wn[k]
      wn[k] = temp + ";" + v
    except KeyError:
      wn[k] = v  
  return wn

if not os.path.exists('msa/wn-data-zsm.tab'):
    os.system('wget http://compling.hss.ntu.edu.sg/omw/wns/zsm.zip')
    os.system('unzip zsm.zip')

msa_wn = readWNfile('msa/wn-data-zsm.tab')
eng_wn_keys = {(str(i.offset).zfill(8) + '-'+i.pos).decode('utf8'):i for i in wn.all_synsets()}

for i in set(eng_wn_keys).intersection(msa_wn.keys()):
    print eng_wn_keys[i], msa_wn[i]

与此同时，请坚持一段时间，因为NLTK开发人员将很快将Open Multilingual Wordnet API放在一起，请参阅第1048行的https://github.com/nltk/nltk/blob/develop/nltk/corpus/reader/wordnet.py

将WordNet文件转换为.txt

1 个答案: