为什么在逐行导入文本文件进行情感分析而不是使用硬编码的句子时出现 TypeError?

Question

我正在尝试逐行分析文本文件中每个给定句子的情绪。每当我使用链接的第一个问题的硬编码句子时，代码就会起作用。当我使用文本文件输入时，我得到TypeError.

这与这里提出的问题有关。文本文件代码中的一行一行来自这个问题：

第一个有效，第二个使用文本文件("I love you. I hate him. You are nice. He is dumb")不起作用。这是代码：

from pycorenlp import StanfordCoreNLP
nlp = StanfordCoreNLP('http://localhost:9000')
results = []    
with open("c:/nlp/test.txt","r") as f:
for line in f.read().split('n'):
print("Line:" + line)
res = nlp.annotate(line,
properties={
'annotators': 'sentiment',
'outputFormat': 'json',
'timeout': 1000,
})
results.append(res)      
for res in results:             
s = res["sentences"]         
print("%d: '%s': %s %s" % (
s["index"], 
" ".join([t["word"] for t in s["tokens"]]),
s["sentimentValue"], s["sentiment"]))

我收到此错误：

第 21 行，在

s["索引"]，

类型错误：列表索引必须是整数或切片，而不是 str

Answer 1

我没有安装Stanfort-lib，所以我无法使用它的系统进行测试。 但是方式，它返回的是，您的结果变量是"字典列表"类型或某种嵌套类型

反正我做了一个测试

results = []    
with open("tester.txt","r") as f:
for line in f.read().split('n'):
print("Line:" + line)
sentences = [
{
"index":1,
"word":line,
"sentimentValue": "sentVal",
"sentiment":"senti"
}
]
results.append(sentences) 

然后我构建您的循环并对其进行一些调整以满足我的需求，例如：

for res in results:         
for s in res:         
print("%d: '%s': %s %s" % (
s["index"], 
" ".join(s["word"]),
s["sentimentValue"], s["sentiment"]))

是什么印了我以下内容

1: 'I   l o v e   y o u .': sentVal senti
1: 'I   h a t e   h i m .': sentVal senti
1: 'Y o u   a r e   n i c e .': sentVal senti
1: 'H e   i s   d u m b': sentVal senti

所以基本上代码有效。 但是你必须弄清楚返回值是什么类型，在它从那个斯坦福 API 返回 - 例如>"类型(结果)">

获得此信息后，可以从遍历值的循环开始，如果您不知道嵌套值的类型，则可以调用 Anotehr Print of Type。 一直向下，直到到达包含要使用的项目的图层

最后要指出的一件事。在您链接的说明中，在注释中。 在那里，他告知如何将文本传递到 API 中。在那里，他解释说API摆脱了切片和格式化，您只能发送整个文本。 如果您没有得到任何结果，请记住这一点

Answer 2

看起来我解决了这个问题。正如 londo 指出的：这一行将S设置为List，但它应该是dict的，就像在原始代码中一样：

s = res["sentences"] 

我将代码移动到同一循环中，在该循环中逐行读取和分析文件，并直接在那里打印结果。所以新代码看起来像这样：

from pycorenlp import StanfordCoreNLP
nlp = StanfordCoreNLP('http://localhost:9000')
with open("c:/nlp/test.txt","r") as f:
for line in f.read().split('n'):
res = nlp.annotate(line,
properties={
'annotators': 'sentiment',
'outputFormat': 'json',
'timeout': 15000,
}) 
for s in res["sentences"]:
print("%d: '%s': %s %s" % (
s["index"], 
" ".join([t["word"] for t in s["tokens"]]),
s["sentimentValue"], s["sentiment"]))

结果看起来符合预期，没有任何错误消息：

0: 'I love you .': 3 Positive
0: 'I hate him .': 1 Negative
0: 'You are nice .': 3 Positive
0: 'He is dumb .': 1 Negative