CherryPy WebService不會將NLTK搭配返回到瀏覽器窗口

Question

我有一個非常簡單的CherryPy webservice，我希望它將成爲大型項目的基礎，但是，我需要獲得NLTK以我想要的方式工作。

我的Python腳本導入NLTK並使用NLTK的搭配（bigram）函數對預加載的數據進行一些分析。

我有幾個問題：

1）爲什麼沒有程序返回到搭配我的瀏覽器，但只有我的控制檯？

2）爲什麼如果我指定​​，程序會導入整套示例書籍（text1到text9）？

請記住，我是一個新手，所以答案可能在我面前，但我沒有看到它。

主要問題：如何將搭配結果傳遞給瀏覽器（webservice）而不是控制檯？

感謝

import cherrypy 
import nltk 
from nltk.book import text4 

class BiGrams: 
    def index(self): 
     return text4.collocations(num=20) 
    index.exposed = True 

cherrypy.quickstart(BiGrams()) 

Answer 1

我的猜測是，你所得到的來自collocations()回電不是一個字符串，你需要序列化。試試這個：

import cherrypy 
import nltk 
from nltk.book import text4 
import simplejson 

class BiGrams: 
    def index(self): 
     c = text4.collocations(num=20) 
     return simplejson.dumps(c) 
    index.exposed = True 

cherrypy.quickstart(BiGrams()) 

Answer 2

看看源代碼（http://code.google.com/p/nltk/source/browse/trunk/nltk/），你會學到很多東西（我知道我是）。

1）搭配正在返回到您的控制檯，因爲這就是它應該做的。

help(text4.collocations) 

會給你：

Help on method collocations in module nltk.text: 

collocations(self, num=20, window_size=2) method of nltk.text.Text instance 
    Print collocations derived from the text, ignoring stopwords. 

    @seealso: L{find_collocations} 
    @param num: The maximum number of collocations to print. 
    @type num: C{int} 
    @param window_size: The number of tokens spanned by a collocation (default=2) 
    @type window_size: C{int} 

瀏覽在text.py源，你會找到的搭配是相當直接的方法。

2）導入nltk.book加載每個文本。您可以從book.py中獲取所需的位，然後編寫一個只加載就職地址的方法。

Answer 3

我一直在做一些工作，白鯨，我無意中發現了答案進口只是一個特定文本前些天的問題：

>>>import nltk.corpus 
>>>from nltk.text import Text 
>>>moby = Text(nltk.corpus.gutenberg.words('melville-moby_dick.txt')) 

因此，你真正需要的是fileid以便將該文件的文本分配給新的Text對象。但要小心，因爲gutenberg.words目錄中只有「文學」來源。

無論如何，對於找到文件ID爲古騰堡，進口nltk.corpus後上方的幫助下，你可以使用下面的命令：

>>> nltk.corpus.gutenberg.fileids() 

['austen-emma.txt', 'austen-persuasion.txt', 'austen-sense.txt', 'bible-kjv.txt',  'blake-poems.txt', 'bryant-stories.txt', 'burgess-busterbrown.txt', 'carroll-alice.txt', 'chesterton-ball.txt', 'chesterton-brown.txt', 'chesterton-thursday.txt', 'edgeworth-parents.txt', 'melville-moby_dick.txt', 'milton-paradise.txt', 'shakespeare-caesar.txt', 'shakespeare-hamlet.txt', 'shakespeare-macbeth.txt', 'whitman-leaves.txt'] 

這仍然沒有回答這個問題爲您的特定語料庫中，然而，就職地址。對於這個答案，我發現這本麻省理工學院的論文：http://web.mit.edu/6.863/www/fall2012/nltk/ch2-3.pdf

（我建議任何人開始使用nltk文本，因爲它談論抓取各種文本數據進行分析）。這個問題的答案得到的就職演說中談到fileids第6頁（編輯了一下）：

>>> nltk.corpus.inaugural.fileids() 
['1789-Washington.txt', '1793-Washington.txt', '1797-Adams.txt', '1801-Jefferson.txt', '1805-Jefferson.txt', '1809-Madison.txt', '1813-Madison.txt', '1817-Monroe.txt', '1821-Monroe.txt', '1825-Adams.txt', '1829-Jackson.txt', '1833-Jackson.txt', '1837-VanBuren.txt', '1841-Harrison.txt', '1845-Polk.txt', '1849-Taylor.txt', '1853-Pierce.txt', '1857-Buchanan.txt', '1861-Lincoln.txt', '1865-Lincoln.txt', '1869-Grant.txt', '1873-Grant.txt', '1877-Hayes.txt', '1881-Garfield.txt', '1885-Cleveland.txt', '1889-Harrison.txt', '1893-Cleveland.txt', '1897-McKinley.txt', '1901-McKinley.txt', '1905-Roosevelt.txt', '1909-Taft.txt', '1913-Wilson.txt', '1917-Wilson.txt', '1921-Harding.txt', '1925-Coolidge.txt', '1929-Hoover.txt', '1933-Roosevelt.txt', '1937-Roosevelt.txt', '1941-Roosevelt.txt', '1945-Roosevelt.txt', '1949-Truman.txt', '1953-Eisenhower.txt', '1957-Eisenhower.txt', '1961-Kennedy.txt', '1965-Johnson.txt', '1969-Nixon.txt', '1973-Nixon.txt', '1977-Carter.txt', '1981-Reagan.txt', '1985-Reagan.txt', '1989-Bush.txt', '1993-Clinton.txt', '1997-Clinton.txt', '2001-Bush.txt', '2005-Bush.txt', '2009-Obama.txt'] 

因此，你應該能夠導入特定的就職演說的文本（假設你「從nltk.text導入文本」做上面），或者你可以使用上面導入的「就職」標識符與他們一起工作。例如，這個工程：

>>>address1 = Text(nltk.corpus.inaugural.words('2009-Obama.txt')) 

事實上，你可以通過調用inaugural.words不帶任何參數從this page把所有的就職演說爲一個文件，如下面的例子：

>>>len(nltk.corpus.inaugural.words()) 

OR

地址=文本（nltk.corpus.inaugural.words（））

我記得當試圖回答這個問題我自己，所以也許這個信息，如果來晚了，將有助於有人的地方閱讀此線程在一個月前。

（這是我堆棧溢出的第一個貢獻。我一直在讀了幾個月，從來沒有任何有用的補充，直到如今。只想通常說「感謝大家所有幫助。」）