Python获取synsets列表首个内容及词义查询索引越界解决

核心问题 #

你代码里的IndexError是因为部分单词在WordNet中没有对应的词义条目，调用wordnet.synsets(each_word)会返回空列表，这时强行取sync_words[0]自然会报错。另外要提取发音，也需要基于有效的Synset来操作。

修正后的代码 #

from nltk.corpus import stopwords, wordnet
from nltk.tokenize import word_tokenize

for writeup in writeups:
    message = writeup.text
    # 初始化停用词集合
    stop_words = set(stopwords.words('english'))

    tokenized_words = word_tokenize(message)
    # 过滤停用词（改用列表推导式更简洁）
    without_stop_words = [word for word in tokenized_words if word not in stop_words]            

    word_meanings = []
    word_pronunciations = []
    for each_word in without_stop_words:
        sync_words = wordnet.synsets(each_word)
        # 先判断是否有可用的词义条目，避免空列表报错
        if sync_words:
            # 获取首个词义
            first_meaning = sync_words[0].definition()
            word_meanings.append(first_meaning)
            print(f"单词: {each_word}, 含义: {first_meaning}")
            
            # 获取首个发音（基于第一个词元）
            first_lemma = sync_words[0].lemmas()[0]
            if first_lemma.pronunciation():
                pronunciation = first_lemma.pronunciation()
                word_pronunciations.append(pronunciation)
                print(f"发音: {pronunciation}")
        else:
            # 处理无匹配条目的情况
            print(f"单词 {each_word} 在WordNet中无对应条目")

关键说明 #

• 安全获取首个Synset：每次调用wordnet.synsets()后，先判断列表是否非空，再访问索引0，从根源避免空列表索引报错。
• 提取发音：通过Synset的lemmas()方法获取对应词元，再调用pronunciation()得到音标，同时判断发音是否存在（部分词可能没有音标记录）。
• 过滤停用词的逻辑改用列表推导式，和原代码功能一致，但更简洁高效。

内容的提问来源于stack exchange，提问作者Abuchi