为嵌套列表中句子添加POS标注时遇问题求助

问题概述 #

需处理嵌套列表形式的多句子，为每个token添加POS标注后保存为嵌套列表，最终存入DataFrame并导出到Excel单列（每行对应一个句子）。现有代码存在三类问题：

• 初始代码仅能捕获最后一个句子的POS标注
• 修改后代码抛出TypeError: tokens: expected a list of strings, got a string
• 改用嵌套列表后抛出AttributeError: 'list' object has no attribute 'isdigit'

错误原因拆解 #

1. 初始代码问题：found_sentences在循环中被反复覆盖，最终仅保留最后一句的内容；且代码中使用未定义的sentence变量，而非目标句子found_sentences。
2. 第一次修改错误：for i in found_sentences会遍历句子的每个字符，将单个字符串（字符）传入nltk.pos_tag()，但该函数要求传入字符串列表（分词结果），因此触发类型错误。
3. 第二次修改错误：将整个all_separated_words_list（存储所有预处理后句子的列表）传入pos_tag()，函数尝试对列表元素（子列表）调用isdigit()方法，而列表无该属性，导致属性错误。

修正后的代码实现 #

import nltk
import pandas as pd
from nltk.tokenize import word_tokenize

# 初始化存储列表
duplicate_sentence_list = []
all_separated_words_list = []
pos_list = []

# 遍历每个句子
for sentences in doc1.sents:
    # 匹配目标短语
    for match_id, start, end in phrase_matcher(nlp(sentences.text)):
        if nlp.vocab.strings[match_id] == "key":
            found_sentences = sentences.text
            duplicate_sentence_list.append(found_sentences)
            
            # 预处理句子（假设text_preprocessing返回分词后的列表）
            processed_words = text_preprocessing(found_sentences)
            all_separated_words_list.append(processed_words)
            
            # 对预处理后的分词进行POS标注
            tagged_tokens = nltk.pos_tag(processed_words)
            pos_list.append(tagged_tokens)

# 转换为DataFrame并导出到Excel
df = pd.DataFrame({"带POS标注的句子": pos_list})
df.to_excel("pos标注结果.xlsx", index=False)

关键修正点说明 #

• 每次找到目标句子后，先完成预处理得到分词列表，再直接对该列表调用nltk.pos_tag()，确保传入参数符合要求
• 每个句子的POS标注结果作为独立元素存入pos_list，形成嵌套列表结构
• 利用pandas.DataFrame将嵌套列表转为单列数据，直接导出Excel

内容的提问来源于stack exchange，提问作者stripes 123