在 Python 中检查单词是否在彼此的 n space 范围内（使用 nltk 或其他方式）

Question

我有一个列表文件内容，其中包含由单词标记作为其元素的列表。我想创建一个函数，它将两个长度为 1 和 size 的字符串作为其输入，并且 returns 这两个术语出现在 size[ 中的实例=37=]彼此的话

到目前为止，我已经使用 nltk 对列表中每个元素的单词进行了标记，但我不确定从这里可以去哪里，任何人都可以向我推荐可以执行此操作的 nltk method/python 代码吗？

函数应该是这样的

file_contents = [['man', 'once', 'upon', 'time', 'love', 'princess'], ['python', 'code', 'cool', 'uses, 'java'],['man', 'help', 'test', 'weird', 'love'], .............] def check_words_within(string: word1, string:word2, int: size) -> list: #how to implement?

check_words_within('man','love', 4) 会 return [[man', 'once', 'upon', 'time', 'love'],['man', 'help', 'test', 'weird', 'love']]

check_words_within('man','upon', 1) 会 return [['man', 'once', 'upon']]

check_words_within('man','document',4) 会 return []

nltk 有帮助我执行此操作的功能吗？

Answer 1

创建字典列表以从中查找值。*

dat = [{ind: val for val, ind in enumerate(el)} for el in file_contents]

def foo(w1, w2, dist, f, fdat):
    arr = []
    for i, v in enumerate(fdat):
        i1 = v.get(w1)
        i2 = v.get(w2)
        if (i1 is not None) and (i2 is not None) and (i2 - i1 <= dist + 1):
            arr.append(f[i][i1:i2+1])
    return arr

foo("man", "upon", 1, file_contents, dat)
# [['man', 'once', 'upon']]

创建 class

class Search:
    def __init__(self, words_list):
        self.__words_list = words_list
        self.__words_dict = self.__get_dict()        
    
    def __get_dict(self):
        d = {}
        for ind, arr in enumerate(self.__words_list):
            for pos, word in enumerate(arr):
                if not d.get(word):
                    d[word] = {}
                d[word][ind] = pos
        
        return d    
    
    def check_words_within(self, w1, w2, dist):
        arr = []
        if self.__words_dict.get(w1) and self.__words_dict.get(w2):
            wl_inds = self.__words_dict[w1].keys()
            for wl_ind in wl_inds:
                pos1 = self.__words_dict[w1][wl_ind]
                pos2 = self.__words_dict[w2].get(wl_ind, pos1 - 1)
                if (pos2 - pos1 > 0) and (pos2 - pos1 <= dist + 1):
                    arr.append(self.__words_list[wl_ind][pos1:pos2 + 1])
        
        return arr


foo = Search(file_contents)
foo.check_words_within("man", "love", 4)
# [['man', 'once', 'upon', 'time', 'love'],
#  ['man', 'help', 'test', 'weird', 'love']]

在 Python 中检查单词是否在彼此的 n space 范围内（使用 nltk 或其他方式）

Checking if words are within n space of one another (using nltk or otherwise) in Python

python

nlp

nltk

tokenize