过滤词性 NLTK 的特定部分

Question

这必须很简单，但我不知何故错过了它。 我有代码：

import nltk
f=open('...\t.txt','rU')
raw=f.read()
tokens = nltk.word_tokenize(raw)
print nltk.pos_tag(tokens)

例如返回：

"[（'进程'， 'NNS'）， （'a'， 'DT'）， （'序列'， 'NN'）， （'

的'， 'IN'）， （'words'， 'NNS'）]

我

想知道我怎么能只收集所有"NN"，例如所有"DT"和"IN"，而不是字符串的每个成员。

提前致谢

Answer 1

您可以使用列表推导式仅提取所需的标签，例如：

>>> tags = nltk.pos_tag(tokens)
>>> dt_tags = [t for t in tags if t[1] == "DT"]
>>> dt_tags
[('a', 'DT')]