2017-12-06更新：很多代碼執行結果與書中不一致，是因為python的版本不一致。如果發現有問題，可以參考英文版：

第三章，P87有一段處理html的代碼：

>>>raw =nltk.clean_html(html)>>>tokens =nltk.word_tokenize(raw)>>>tokens

可是我們執行會有如下錯誤：

>>> raw =nltk.clean_html(html)

Traceback (most recent call last):

File"", line 1, in File"/Library/Python/2.7/site-packages/nltk/util.py", line 356, inclean_htmlraise NotImplementedError ("To remove HTML markup, use BeautifulSoup's get_text() function")

NotImplementedError: To remove HTML markup, use BeautifulSoup's get_text() function

根據官方網站：介紹http://www.nltk.org/_modules/nltk/util.html

def clean_html(html):

raise NotImplementedError ("To remove HTML markup, use BeautifulSoup's get_text() function")

[docs]def clean_url(url):

raise NotImplementedError ("To remove HTML markup, use BeautifulSoup's get_text() function")

網站：http://stackoverflow.com/questions/10524387/beautifulsoup-get-text-does-not-strip-all-tags-and-javascript介紹：

以后的版本，似乎不支持clean_html()和clean_url()這兩個函數

Support for clean_html and clean_url will be dropped for future versions of nltk. Please use BeautifulSoup for now...it's very unfortunate.

有關處理HTML 的內容，可以使用http://www.crummy.com/software/BeautifulSoup/上的Beautiful Soup 軟件包。

安裝：sudo pip install beautifulsoup4

之后替換書上的代碼：

from __future__ importdivisionimportnltk, re, pprintfrom urllib importurlopenfrom bs4 importBeautifulSoupdefread_html():

url= "http://news.bbc.co.uk/2/hi/health/2284783.stm"html=urlopen(url).read()

soup=BeautifulSoup(html)

text=soup.get_text()printtext

tokens=nltk.word_tokenize(text)printtokensdefmain():

read_html()if __name__ == '__main__':

main()

上述腳本文件可以獨立運行，運行結果與書上一致

總結

以上是生活随笔為你收集整理的python自然语言处理评论_python自然语言处理——学习笔记：Chapter3纠错的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。