为何line.split('\t')[1]与0不相等？TSV文件极性筛选问题

你遇到的核心问题是字符串与整数的类型不匹配，再加上行尾换行符的干扰，导致判断条件永远不成立。咱们一步步拆解原因和解决办法：

为什么line.split('\t')[1] == 0不生效？ #

当你读取文件中的行Je suis levant\t0\n时，line.split('\t')会得到一个列表：['Je suis levant', '0\n']。这里的第二个元素是字符串类型的'0\n'，而你在判断时和整数0做比较——字符串和整数永远不会相等，自然不会进入逻辑分支。

另外还要注意：如果你的示例文件里有些行是用空格分隔（比如gnfjfklfklf 0），那split('\t')会把整行当成一个元素，直接取[1]会触发索引错误，这也是潜在的问题。

解决方案 #

1. 修正判断逻辑（最直接的修改） #

先处理掉行尾的换行符，再用字符串'0'比较，或者转成整数后比较：

# 方式1：直接比较字符串（推荐，避免类型转换的潜在问题）
if line.split('\t')[1].strip() == '0':

# 方式2：转成整数后比较
if int(line.split('\t')[1].strip()) == 0:

strip()会去掉字符串首尾的空白字符（包括换行符\n、空格等），确保你拿到的是干净的'0'。

2. 用csv模块处理TSV（更鲁棒） #

手动split容易踩分隔符的坑，Python内置的csv模块专门处理这类分隔符文件，能自动处理换行、分隔符等细节：

import csv

for d in directory:
    print(" directory: ", d)
    splits = ['dev1'] #,'test1','train1']
    for s in splits:
        print(" sous-dir : ", s)
        path = os.path.join(indir, d)
        with open(os.path.join(path, s+'.tsv'), 'r', encoding='utf-8') as f_in:
            # 指定制表符为分隔符
            reader = csv.reader(f_in, delimiter='\t')
            next(reader)  # 跳过表头行
            for row in reader:
                # row是拆分后的列表，row[0]是句子，row[1]是极性
                if len(row) >=2 and row[1].strip() == '0':
                    doc = nlp(row[0])
                    line_split = [sent.text for sent in doc.sents]
                    sentences_list.extend(line_split)
print("nombres total de phrases :", len(sentences_list))

这里加了len(row)>=2的判断，防止格式不正确的行导致索引错误。

3. 调试小技巧 #

如果不确定问题出在哪，可以在循环里打印出实际读取到的极性内容和类型，快速定位问题：

for line in f_in:
    polar_part = line.split('\t')[1]
    print(f"读取到的极性部分: {repr(polar_part)}, 类型: {type(polar_part)}")

repr()会显示字符串的原始形态，比如如果有换行符，会直接显示'0\n'，一眼就能看出问题。

内容的提问来源于stack exchange，提问作者kely789456123