为何使用NLTK提取'good'同义词时去重逻辑失效？

嘿，我一眼就瞅出问题在哪了——你的判断条件和实际存入列表的内容完全不匹配！

看你这段关键代码：

if str(l) not in synonyms:
    synonyms.append(l.name())

这里你检查的是Lemma对象转成的字符串（比如<Lemma('good.n.01.good')>）是否在synonyms里，但synonyms里存的却是l.name()返回的纯单词（比如'good'）。这俩根本不是一回事啊！

举个实际场景：第一个good对应的Lemma对象转成字符串是<Lemma('good.n.01.good')>，你的判断会发现这个字符串不在空列表里，于是把'good'加进去。下一个good对应的Lemma对象是<Lemma('good.a.01.good')>，转成字符串又是另一个不同的内容，判断的时候还是不在列表里（列表里只有'good'），所以又把'good'加了一次，结果自然就出现重复了。

修正方案 #

把判断条件改成检查单词本身是否已经在列表里就行：

import nltk
from nltk.corpus import wordnet
synonyms = []
for syn in wordnet.synsets("good"):
    for l in syn.lemmas():
        word = l.name()
        if word not in synonyms:
            synonyms.append(word)
print(synonyms)

另外，用集合去重会更高效（集合本身就不允许重复元素），代码也更简洁：

import nltk
from nltk.corpus import wordnet
synonyms = set()
for syn in wordnet.synsets("good"):
    for l in syn.lemmas():
        synonyms.add(l.name())
# 转成列表（如果需要列表格式的话）
synonyms = list(synonyms)
print(synonyms)

这样就能得到完全去重的同义词列表啦！

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