1

誰かがPythonで「＃」文字を読むのを手伝ってもらえますか？ファイルを取得できないようです。これはスタンフォードポストアガーからの出力であるため、スタンフォードポストアガーhttp://nlp.stanford.edu/software/tagger.shtmlファイルをcwbに変換するために使用できるスクリプトはありますか。http://cogsci.uni-osnabrueck.de/~korpora/ws/CWBdoc/CWB_Encoding_Tutorial/node3.html

だからこれは私が読み込もうとしているutf-8txtファイルです：

 如果#CS 您#PN 在#P 新加坡#NR 只#AD 能#VV 前往#VV 一#CD 间#M 俱乐部#NN ，#PU 祖卡#NN 酒吧#NN 必然#AD 是#VC 您#PN 的#DEG 不二#JJ 选择#NN 。#PU
    作为#P 或许#AD 是#VC 新加坡#NR 唯一#JJ 一#CD 家#M 国际#NN 知名#VA 的#DEC 夜店#NN ，#PU 祖卡#NN 既#CC 是#VC 一#CD 个#M 公共#JJ 机构#NN ，#PU

したがって、このコードでは、utf-8 txtファイルの＃charを読み取っていません。

#!/usr/bin/python # -*- coding: utf-8 -*-

'''
stanford POS tagger to CWB format
'''

import codecs
import nltk
import os, sys, re, glob

reload(sys)
sys.setdefaultencoding('utf-8')

cwd = './path/to/file.txt' #os.getcwd()

for infile in glob.glob(os.path.join(cwd, 'zouk.txt')):
        print infile
        (PATH, FILENAME) = os.path.split(infile)
        reader = codecs.open(infile, 'r', 'utf-8')
        for line in reader:
                for word in line:
                        if word == '\#':
                                print 'hex is here'
4

2 に答える 2

1

Pythonがエスケープシーケンスを認識しない場合は、文字列に円記号が含まれます。

>>> '\#' == '\\#'
True
于 2011-03-12T03:57:18.757 に答える
1 
if word == '\#':

これはおそらくあなたが思っていることをしません。（ヒントprint "\#":)

于 2011-03-12T03:57:31.227 に答える