Come posso stampare solo la parola stessa in un synset di WordNet usando Python NLTK?

Question

C'è un modo in Python 2.7 utilizzando NLTK per ottenere solo la parola e non la formattazione aggiuntiva che include "synset" e le parentesi e il "n.01" ecc.?

Per esempio se faccio

 wn.synsets('dog') 

I miei risultati assomigliano:

[Synset('dog.n.01'), Synset('frump.n.01'), Synset('dog.n.03'), Synset('cad.n.01'), Synset('frank.n.02'), Synset('pawl.n.01'), Synset('andiron.n.01'), Synset('chase.v.01')] 

Come posso invece ottenere una lista come questa?

dog 
frump 
cad 
frank 
pawl 
andiron 
chase 

C'è un modo per farlo utilizzando NLTK o devo usare regular expressions? Posso usare regular expressions all'interno di uno script python?

Answer 1

Se si desidera eseguire questa operazione senza le espressioni regolari, è possibile utilizzare una comprensione di lista.

[synset.name.split('.')[0] for synset in wn.synsets('dog') ] 

Quello che stai facendo qui sta dicendo che, per ogni synset restituisce la prima parola prima del punto.

Answer 2

Prova questa:

for synset in wn.synsets('dog'): 
    print synset.lemmas[0].name 

Si vuole iterare su ogni synset per il cane, e poi stampare il lemma del synset. Tenete a mente che più parole potrebbero allegare alla stessa synset, quindi se si desidera ottenere tutte le parole associate con tutte le synsets per il cane, si potrebbe fare:

for synset in wn.synsets('dog'): 
    for lemma in synset.lemmas: 
     print lemma.name 

Answer 3

Utilizzando nome lemma potrebbe funzionare, ma c'è un variabili canonica per il nome synset per l'oggetto Synset, provare:

>>> from nltk.corpus import wordnet as wn 
>>> wn.synset('dog.n.1') 
Synset('dog.n.01') 
>>> wn.synset('dog.n.1').name 
'dog.n.01' 
>>> wn.synset('dog.n.1').name.partition('.')[0] 
'dog' 
>>> for ss in wn.synsets('dog'): 
...  print ss.name.partition('.')[0] 
... 
dog 
frump 
dog 
cad 
frank 
pawl 
andiron 
chase