使用python查找字符串中连接词的出现次数

Question

我有一个文本，其中所有单词都标有“词性”标签。 这里的文字示例：

什么/ NOUN可以/ VERB发生/ VERB next / ADJ？/ PUNCT

我需要找到所有出现的地方有一个/PUNCT后接NOUN ， PRON或PROPN -也算其中一个出现得最频繁。

所以其中一个答案如下所示： ?/PUNCT What/NOUN ./PUNCT What/NOUN或./PUNCT What/NOUN

此外，“交易”一词出现了6次，我需要通过代码来显示。

我不允许使用NLTK，只允许使用集合。

尝试了几个不同的东西，但不知道该怎么做。 我想我需要使用defaultdict，然后以某种方式做一个while循环，这给了我一个带有正确连接词的列表。

Answer 1

这是一个测试程序，可以满足您的需求。

它首先用空格' '拆分长字符串' ' ，它创建一个单词/类元素列表。 然后for循环检查PUNCT后跟NOUN，PRON或PROPN的组合是否发生并将其保存到列表中。

代码如下：

from collections import Counter
string = "What/NOUN could/VERB happen/VERB next/ADJ ?/PUNCT What/NOUN could/VERB happen/VERB next/ADJ ?/PUNCT"
words = string.split(' ')

found = []

for n, (first, second) in enumerate(zip(words[:-1], words[1:])):
    first_class = first.split('/')[1]
    second_class = second.split('/')[1]
    if first_class == 'PUNCT' and second_class in ["NOUN", "PRON", "PROPN"]:
        print(f"Found occurence at data list index {n} and {n+1} with {first_class}, {second_class}")
        found.append(f'{words[n]} {words[n+1]}')

计算单词：

words_only = [i.split('/')[0] for i in words]
word_counts = Counter(words_only).most_common()