遍历nltk词典

Question

我想知道是否可以迭代一些可用的nltk字典，即：西班牙字典。我想找到符合某些要求的某些词语。

假设我得到了这个列表["tv", "tb", "tp", "dv", "db", "dp"]，算法会给我["tapa", "tubo", "tuba", ...]这样的词。正如你所看到的，如果你摆脱这些单词中的元音，它们将会出现在初始列表中：

• tapa =＆gt; TP
• tubo =＆gt; TB
• tuba =＆gt; TB

无论如何，我只是想知道是否有可能在nltk字典上迭代西班牙语单词以及如何，这几乎是

Answer 1

nltk有很多西班牙语资源，但我不知道字典。所以我会把词汇表的选择留给你，然后从那里继续。

通常，nltk将单词列表表示为语料库阅读器，使用常用方法words()表示单个单词。所以，您可以在英语单词列表中找到与您的模板匹配的单词：

templates = set(["tv", "tb", "tp", "dv", "db", "dp"])
for w in nltk.corpus.words.words("en"):
    <remove vowels and check if it is in `templates`>

我注意到那里有一个西班牙语停用词汇表;在这里你将如何迭代它：

for w in nltk.corpus.stopwords.words("spanish"):
    ...

你也可以创建自己的＆＃34; wordlist＆＃34;来自西班牙语语料库。我使用了恐慌报价，因为用于此目的的最佳数据结构是一组。在python中，迭代set或dict将为您提供密钥：

mywords = set(w.lower() for w in nltk.corpus.conll2002.words("esp.train"))
for w in mywords:
    ...