Python初学者疑问：类属性与实例属性该如何选择？

首先明确：必须把sentences和tokens改成实例属性，类属性是所有实例共享的，如果你创建多个Text实例，类属性会被不同实例的数据覆盖，导致逻辑混乱。每个Text实例应该独立处理自己的输入文本，所以这些属性必须绑定到实例（用self.前缀）。

你的原代码存在几个明显问题：

• 类属性定义阶段调用sent_tokenize(text)，此时text还未被传入（__init__才是接收输入文本的地方），会直接抛出NameError；
• tokens.append()没有传入参数，属于语法错误；
• 直接对整个文本调用word_tokenize(text)，无法区分句子结构，满足不了“识别token是否位于句首”的要求。

修正后的代码 #

首先确保导入并下载NLTK必要的分词模型：

import nltk
nltk.download('punkt')
from nltk.tokenize import sent_tokenize, word_tokenize

然后编写正确的Text类：

class Text:
    def __init__(self, text):
        self.raw_text = text
        # 拆分原始文本为句子列表，保存为实例属性
        self.sentences = sent_tokenize(text)
        # 对每个句子单独分词，生成二维tokens列表（每个子列表对应一个句子的token）
        self.tokens = [word_tokenize(sentence) for sentence in self.sentences]
    
    # 可选：添加方法判断某个token是否为对应句子的句首
    def is_sentence_start(self, token_pos, sentence_pos):
        # 先检查索引合法性
        if sentence_pos < 0 or sentence_pos >= len(self.tokens):
            return False
        target_sentence = self.tokens[sentence_pos]
        if token_pos < 0 or token_pos >= len(target_sentence):
            return False
        # 句首token的索引为0
        return token_pos == 0

关键说明 #

1. 实例属性的必要性：self.sentences和self.tokens属于每个Text实例，不同实例处理不同文本时不会互相干扰；
2. 二维tokens结构：self.tokens是一个二维列表，比如[["Hello", "world", "!"], ["This", "is", "a", "test", "."]]，每个子列表对应一个句子的分词结果，天然能体现句子结构——子列表的第一个元素就是句首token；
3. 分词逻辑修正：先拆分句子，再对每个句子单独分词，确保token和句子的对应关系。

使用示例 #

# 创建实例
test_text = "Hi there! I'm a Python beginner. Thanks for your help."
text_instance = Text(test_text)

# 查看拆分后的句子
print("拆分后的句子:", text_instance.sentences)
# 查看带句子结构的tokens
print("Tokens列表:", text_instance.tokens)
# 判断是否为句首
print("是否是句首:", text_instance.is_sentence_start(0, 1))  # True，第二个句子的第一个token
print("是否是句首:", text_instance.is_sentence_start(2, 1))  # False，第二个句子的第三个token

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