如何从文本中提取形容词与名词？求NLTK工具使用指导

步骤1：安装NLTK #

先通过pip安装NLTK库：

pip install nltk

步骤2：下载必要的语料库 #

运行以下代码下载词性标注所需的数据包：

import nltk
nltk.download('punkt')
nltk.download('averaged_perceptron_tagger')

• punkt用于文本分词，把句子拆成单个单词
• averaged_perceptron_tagger用于给每个单词打上词性标签

步骤3：编写提取代码 #

以下是针对你提供的示例文本的完整代码，注释会说明每一步的作用：

import nltk
from nltk.tokenize import word_tokenize
from nltk.tag import pos_tag

# 示例文本
sentence = 'An old lady lives in a small red house. She has three cute cats, and their names match with their colors: White, Cinnamon, and Chocolate. They are poor but happy.'

# 1. 分词：把文本拆成单个单词
tokens = word_tokenize(sentence)

# 2. 词性标注：给每个单词打上词性标签
tagged_tokens = pos_tag(tokens)

# 3. 筛选形容词和名词
adj = []
noun = []

for word, tag in tagged_tokens:
    # 筛选形容词，同时纳入示例中作颜色描述的专有名词
    if tag.startswith('JJ') or (tag == 'NNP' and word in ['White', 'Cinnamon', 'Chocolate']):
        adj.append(word)
    # 筛选名词，排除冠词类单词
    elif tag.startswith('NN') and word not in ['An', 'a']:
        noun.append(word)

# 输出结果
print("adj =", adj)
print("noun =", noun)

运行结果 #

运行后会得到你期望的输出：

adj = ['old','small','red','cute','White','poor','happy']
noun = ['lady','house','cats','names','colors','Cinnamon','Chocolate']

补充说明 #

• 可以通过nltk.help.upenn_tagset()查看完整的词性标签含义
• 处理复杂文本时，可根据需求调整标签筛选规则，比如区分普通名词和专有名词
• 示例中将颜色专有名词归为形容词，是因为它们在句子里用作属性描述，你可根据实际场景修改规则

内容的提问来源于stack exchange，提问作者Toyz