nltk写入分词输出到文件时出错

Question

我有一个很大的文本文件（大约300MB），我想把它分割成单独的句子。我现在用的代码是这样的：

import nltk.data
f = open(filename)
r = read()
s = nltk.data.load('tokenizers/punkt/german.pickle')
print('\n---\n'.join(s.tokenize(r.strip())))

这个代码运行得很好，但它只是把结果打印到屏幕上。我想把结果保存到一个单独的文件里，这样我就可以对它进行其他操作，但我在这方面遇到了问题。如果我写

file = open('saetze.txt', 'w')
print('\n---\n'.join(s.tokenize(r.strip()))).file.write()

我会得到一个错误：AttributeError: 'str' object has no attribute 'file'，如果我写

file = open('saetze.txt', 'w')
print('\n---\n'.join(s.tokenize(r.strip()))).file.write() >> file

那么我会得到另一个错误：TypeError: unsupported operand type(s) for 'str' and 'file'

所以，正确的写法是什么，才能把输出保存到文件里呢？

Answer 1

为了更清楚地说明，提问者在询问如何使用NLTK中的句子分割器，并希望这个句子分割器能够把结果输出到一个文件里：

$ echo "Frau Präsidentin! Ist meine Stimme mitgezählt worden? Betrachten wir z.B. die Automobilindustrie, wo die Subventionen und verschiedenen staatlichen Beihilfen während des Berichtszeitraums um 24% gestiegen sind. Zu welchem Zweck?" > in.txt
$ cat in.txt
Frau Präsidentin! Ist meine Stimme mitgezählt worden? Betrachten wir z.B. die Automobilindustrie, wo die Subventionen und verschiedenen staatlichen Beihilfen während des Berichtszeitraums um 24% gestiegen sind. Zu welchem Zweck?

$ python
>>> import io
>>> import nltk
>>> sent_tokenizer = nltk.data.load('tokenizers/punkt/german.pickle')
>>> with io.open('in.txt', 'r', encoding='utf8') as fin, io.open('out.txt', 'w', encoding='utf8') as fout:
...     sentences = sent_tokenizer.tokenize(fin.read())
...     fout.write('\n'.join(sentences))
>>> exit()

$ cat out.txt
Frau Präsidentin!
Ist meine Stimme mitgezählt worden?
Betrachten wir z.B. die Automobilindustrie, wo die Subventionen und verschiedenen staatlichen Beihilfen während des Berichtszeitraums um 24% gestiegen sind.
Zu welchem Zweck?

Answer 2

首先，你不应该使用“file”这个词，因为它是Python中的一个关键字。可以用其他词，比如“fp”，来表示要写入的文件的文件指针。现在，要写入文件，可以使用下面的语句：

fp.write('\n---\n'.join(s.tokenize(r.strip())))