翻译技术｜代码分享——KWIC

代码分享

KWIC


代码及解析

import nltk  
file_in = open("D:\学习\语料库\江选\第三选英文.txt",'r',encoding='utf-8')  
raw_text = file_in.read()  
tokens = nltk.word_tokenize(raw_text)  
nltk_text = nltk.Text(tokens)  
nltk_text.concordance('social')

这段代码实现了关键词上下文（KWIC）功能。下面是每行代码的含义：

1. `import nltk`：导入了Python的自然语言处理工具包nltk。

2. `file_in = open("D:\学习\语料库\江选\第三选英文.txt",'r',encoding='utf-8')`：打开一个名为"第三选英文.txt"的文本文件，并将文件对象赋值给变量`file_in`。文件路径是"D:\学习\语料库\江选"。

3. `raw_text = file_in.read()`：将文件中的内容读取为一个字符串，并将其赋值给变量`raw_text`。

4. `tokens = nltk.word_tokenize(raw_text)`：使用nltk的`word_tokenize`函数对`raw_text`进行分词，将分词结果存储到变量`tokens`中。

5. `nltk_text = nltk.Text(tokens)`：根据分词结果创建一个nltk的文本对象，并将其赋值给变量`nltk_text`。

6. `nltk_text.concordance('social')`：使用nltk_text的`concordance`函数，查找包含关键词"social"的上下文，并将结果打印输出。

总结：该代码读取了一个文本文件，然后对文件内容进行分词，并使用nltk的`Text`对象来进行关键词上下文的查找。最后，它打印输出了包含关键词"social"的上下文。

请注意，你需要确保在运行代码之前已经安装了nltk库，并且已经下载了所需的数据集（如punkt分词器）。你可以使用nltk.download()函数来下载所需的数据集。此外，请确保文件路径正确，并且文件存在。

concordance 0 函数的基本格式为：concordance (keyword, width = 75, lines =25) , 其 中 keyword为检索的关键词，返回结果默认有75个字符，默认返回25行检索行。如果选择默认设置，则 不 用 在 concordance()中设置参数。也可以将width 和 lines 设置成其他值，比如 concordance (keyword, width = 100, lines =80 ) ,则返回结果为100个字符，语境更大，返回80行检索行。

部分运行结果如下:

每日啃一段代码，日积月累，我们可以跨越这条鸿沟，若是还未入门Python,可加入我们的粉丝群免费获取《第一本书Python》,快速入门！

往期代码合集可后台回复代码分享或者加入翻译圈粉丝群获取，粉丝群还有其它资源哦！

参考书藉：基于Python的语料库数据处理 雷蕾 著

特别说明：本文仅供学习交流，如有不妥欢迎后台联系小编。

- END -

---

翻译圈公众号旨在为读者提供名师和专家对口笔译的真知灼见，CATTI考试和MTI入学考试信息，翻译等语言服务就业资讯，以及口笔译学习资源和知识，希望在翻译之路上，为大家助上一臂之力。欢迎大家积极留言，为我们提供建设性意见，我们共同进步！

原文作者：吴志雄

推文编辑：吴志雄

指导老师：朱华

审核：吴志雄、刘一葶

项目统筹：吴志雄

资讯推荐

译者专属搜索引擎

▶精品课程

▶资源宝库

▶翻译百科

▶译界动态

  关注我们 了解更多

CATTI和MTI资讯

语言服务就业信息

翻译名师真知灼见

翻译学习精品课程