使用NLTK统计语料库指定人名词频返回全量结果如何解决

• 你在编写字典推导式时，错误将循环变量命名为和人名列表同名的character_list，且没有添加过滤条件，相当于直接把FreqDist统计的所有词汇结果全部转成了字典，自然得不到仅角色人名的统计结果。
• 没有针对目标人名列表做筛选逻辑，只保留你需要统计的人名条目。

from urllib.request import urlopen
from nltk import FreqDist
from nltk.tokenize import word_tokenize

target_url0 = 'http://www.gutenberg.org/files/135/135-0.txt'
book_raw = urlopen(target_url0).read().decode('utf-8')
word_tokens = word_tokenize(book_raw)

character_list = ['Myriel','Bishop','Baptistine','Magloire','Cravatte','Valjean','Gervais','Fantine','Tholomyès'
                  ,'Blachevelle','Dahlia','Fameuil','Favourite','Listolier','Zéphine','Cosette','Thénardier',
                  'Éponine','Azelma','Javert','Fauchelevent','Bamatabois','Champmathieu',
                  'Brevet','Simplice','Chenildieu','Cochepaille','Innocente','Reverend','Ascension','Crucifixion',
                  'Gavroche','Magnon',
                  'Gillenormand','Marius','Colonel','Mabeuf','Enjolras','Combeferre','Prouvaire',
                 'Feuilly','Courfeyrac','Bahorel','Lesgle','Joly','Grantaire','Patron-Minette','Brujon',
                 'Toussaint'] 

fdist_mis = FreqDist(word_tokens)
# 仅筛选人名列表内的条目生成最终字典
filtered_word_freq = {name: fdist_mis.get(name, 0) for name in character_list}

• 上述代码用dict.get方法取值，即使某个人名没有在语料中出现，也会返回出现次数为0，不会出现键缺失的问题。
• 如果需要忽略大小写统计，可以在分词后统一将词汇转为小写，同时人名列表也转小写匹配即可。

内容的提问来源于stack exchange，提问作者Jimmy K