导入和使用NLTK语料库

Question

拜托，拜托，帮帮忙。我有一个包含文本文件的文件夹，我想使用NLTK进行分析。如何将其作为语料库导入，然后在其上运行NLTK命令？我已经将下面的代码组合在一起，但是它给了我一个错误：

    raise error, v # invalid expression
sre_constants.error: nothing to repeat

代码：

import nltk
import re
from nltk.corpus.reader.plaintext import PlaintextCorpusReader

corpus_root = '/Users/jt/Documents/Python/CRspeeches'
speeches = PlaintextCorpusReader(corpus_root, '*.txt')

print "Finished importing corpus" 

words = FreqDist()

for sentence in speeches.sents():
    for word in sentence:
        words.inc(word.lower())

print words["he"]
print words.freq("he")

Answer 1

我理解这个问题与已知的错误有关(也许它是一个特性？)，这一点在这个答案中有部分解释。简而言之，某些关于空洞事物的规则被炸毁了。

错误的来源是您的speeches =行。您应该将其更改为：

speeches = PlaintextCorpusReader(corpus_root, r'.*\.txt')

然后，所有的东西都会加载并编译得很好。