Question

我有以下代码在目录中打开文件，在它们上运行spaCy NLP，输出依赖项解析信息到新目录中的文件中。

import spacy, os

nlp = spacy.load('en')

path1 = 'C:/Path/to/my/input'
path2 = '../output'
for file in os.listdir(path1):
    with open(file, encoding='utf-8') as text:
        txt = text.read()
        doc = nlp(txt)
        for sent in doc.sents:
            f = open(path2 + '/' + file, 'a+')
            for token in sent:
                f.write(file + '\t' + str(token.dep_) + '\t' + str(token.head) + '\t' + str(token.right_edge) + '\n')
    f.close()

麻烦的是，这不会保留输出文件中依赖项的顺序。我似乎无法在API文档中找到对字符位置的任何引用。

Answer 1

字符索引位于token.idx。单词索引位于token.i。我知道这不是特别直观。

代币也按位置进行比较，因此您可以这样做：

for child in sent:
    word1, word2 = sorted((child, child.head))

这将为您提供按文档顺序排列的每个依赖关系弧。我不确定你在那里尝试用右边缘做什么，所以我不确定这是否符合你的要求。

如何保留依赖项的顺序？

1 个答案: