在NLTK电影评论语料库中标记

Question

我有以下代码可以在movie_review语料库中打印15个最常见的事件。

import nltk 
import random 
from nltk.corpus import movie_reviews 

documents =[] 

for category in movie_reviews.categories(): 
    for fileid in movie_reviews.fileids(category): 
     documents.append((list(movie_reviews.words(fileid)), category)) 

random.shuffle(documents) 

all_words =[] 
for w in movie_reviews.words(): 
    all_words.append(w.lower()) 

all_words =nltk.FreqDist(all_words) 
print(all_words.most_common(15)) 

我得到以下输出：

[(u',', 77717), (u'the', 76529), (u'.', 65876), (u'a', 38106), (u'and', 35576), (u'of', 34123), (u'to', 31937), (u"'", 30585), (u'is', 25195), (u'in', 21822), (u's', 18513), (u'"', 17612), (u'it', 16107), (u'that', 15924), (u'-', 15595)] 

为什么字母 'u' 的标签来吗？我该如何解决这个问题？

Answer 1

这只是一个unicode strings in Python 2.7，没有什么NLTK特定的。

Answer 2

由于您将对的列表传递给print，因此您会看到引号，逗号和（在Python 2.7上）的u前缀。打印单个字符串按预期工作。例如：

for word, cnt in all_words.most_common(15): 
    print word, cnt