Question

我的文件如下：

评论/摘要：美丽的基本泵......评论/文字：......但不是足够的尺寸或颜色。符合我的尺寸8-1 / 2英尺.Bottom 鞋底是完全光滑的...需要某种纹理或踏板有助于防止打滑。评论/文字：太棒了。首先，这个是不是原来的Gil Zero，而是Gil Zero TD，这意味着它没有有什么技巧。但是，它是我最舒服的运动鞋永远都知道。如果没有昂贵的技术，它的中底会获得更多柔软，更耐用。并将其鞋面改为真实皮革，它变得更适合脚。这种变化使它成为现实即使是比昂贵的原装鞋更好的运动鞋，只是为了一个真正伟大的运动鞋的伟大设计，但不是为了我们无用的普通人不是超级巨星，技术。在球场上，我发现它足够的垫子，它可以给你更多的速度，优秀一个为后卫或小前锋。

我想提取quick service，excellent service，amazon is great，excellent customer service

等字符串

我的代码如下所示：

def ethos(file):
    f = open(file)
    raw = f.read()
    tokens = nltk.sent_tokenize(raw)
    text = nltk.Text(tokens)
    sents = []
    matching_strings = ['thanks amazon' , 'great service' , 'reasonable shipping time' , 'quick service']
    for tokens in text:
        if tokens in matching_strings:
            sents.append(tokens)
    return sents

我的输出是空白的，请让我知道如何正确处理它，我对语言处理非常陌生

Answer 1

我从未使用过nltk，但我会猜测解决方案。由于您的令牌是句子，因此您需要在令牌中查找匹配的字符串，而不是像现在一样寻找其他方式。你的for循环应该如下所示：

for tokens in text:
    for match in matching_strings:
        if match in tokens:
            sents.append(tokens)
            break
return sents

我怎么能从文本文件中搜索特定的字符串？

1 个答案: