如何在Python中基于语法/自然语言实现文本选择性大写？

要实现全小写文本的符合语法规则的大写处理（比如句首字母大写、第一人称代词"I"大写、人名/地名等专有名词首字母大写），可以借助成熟的自然语言处理工具完成，NLTK、spaCy都是常用选择，以下是具体实现方法：

一、使用NLTK实现 #

NLTK是Python生态中常用的自然语言处理库，通过分句、词性标注、命名实体识别（NER）可以完成目标处理：

1. 安装与资源准备
   先安装NLTK：

   pip install nltk
   

   然后在Python环境中下载所需的语料和模型：

   import nltk
   nltk.download(['punkt', 'averaged_perceptron_tagger', 'maxent_ne_chunker', 'words'])
   

2. 编写处理函数
   以下函数可完成分句、句首大写、"i"转"I"、专有名词大写的处理：

   import nltk
   from nltk.tokenize import sent_tokenize, word_tokenize
   from nltk.tag import pos_tag
   from nltk.chunk import ne_chunk
   
   def proper_case(text):
       sentences = sent_tokenize(text)
       processed_sentences = []
       
       for sent in sentences:
           tokens = word_tokenize(sent)
           tagged_tokens = pos_tag(tokens)
           chunked_tree = ne_chunk(tagged_tokens)
           
           processed_tokens = []
           for elem in chunked_tree:
               if isinstance(elem, nltk.tree.Tree):
                   # 识别到命名实体，每个词首字母大写
                   entity_words = [word.capitalize() for word, _ in elem.leaves()]
                   processed_tokens.extend(entity_words)
               else:
                   word, tag = elem
                   if not processed_tokens:
                       # 句首单词大写
                       processed_tokens.append(word.capitalize())
                   elif word.lower() == 'i':
                       # 第一人称代词转大写I
                       processed_tokens.append('I')
                   else:
                       processed_tokens.append(word)
           
           # 拼接句子并修正标点与单词间的空格
           processed_sent = ' '.join(processed_tokens)
           processed_sent = processed_sent.replace(' .', '.').replace(' ,', ',').replace(' !', '!').replace(' ?', '?')
           processed_sentences.append(processed_sent)
       
       return ' '.join(processed_sentences)
   
   # 测试示例
   input_text = "i think i would like to take fred to england."
   print(proper_case(input_text))
   # 输出: I think I would like to take Fred to England.
   

二、使用spaCy实现（更精准的NER） #

spaCy的命名实体识别性能优于NLTK，适合处理更复杂的文本：

1. 安装与模型准备
   安装spaCy并下载英文基础模型：

   pip install spacy
   python -m spacy download en_core_web_sm
   

2. 编写处理函数

   import spacy
   
   nlp = spacy.load("en_core_web_sm")
   
   def proper_case_spacy(text):
       doc = nlp(text)
       processed_tokens = []
       
       for idx, token in enumerate(doc):
           # 句首单词大写
           if idx == 0 or doc[idx-1].is_sent_end:
               processed_tokens.append(token.text.capitalize())
           # 第一人称代词转大写I
           elif token.text.lower() == 'i':
               processed_tokens.append('I')
           # 识别人名、地名等专有名词并大写
           elif token.ent_type_ in ['PERSON', 'GPE', 'ORG']:
               processed_tokens.append(token.text.capitalize())
           else:
               processed_tokens.append(token.text)
       
       # 拼接文本并修正格式
       processed_text = ''.join([t + (' ' if not t.is_punct else '') for t in processed_tokens]).strip()
       processed_text = processed_text.replace('  ', ' ')
       return processed_text
   
   # 测试示例
   input_text = "i think i would like to take fred to england."
   print(proper_case_spacy(input_text))
   # 输出: I think I would like to take Fred to England.
   

注意事项 #

• 上述工具的命名实体识别并非100%准确，对于生僻专有名词或特殊语境的文本，可能需要额外添加自定义规则。
• 若需要处理特定领域的文本（如法律、科技文档），可以训练针对性的NER模型来提升准确率。

内容的提问来源于stack exchange，提问作者ideasman42