从WordNet中提取以特定字母开头的所有单词

Question

我想知道怎么从WordNet中提取所有以特定字母开头的单词。比如，如果我输入字母A，WordNet应该返回所有以字母A开头的单词。

Answer 1

在Python中，下载了来自Open Multilingual Wordnet的.tab文件后，你可以试试这个方法：

# Read Open Multi WN's .tab file
def readWNfile(wnfile, option="ss"):
  reader = codecs.open(wnfile, "r", "utf8").readlines()
  wn = {}
  for l in reader:
    if l[0] == "#": continue
    if option=="ss":
      k = l.split("\t")[0] #ss as key
      v = l.split("\t")[2][:-1] #word
    else:
      v = l.split("\t")[0] #ss as value
      k = l.split("\t")[2][:-1] #word as key
    try:
      temp = wn[k]
      wn[k] = temp + ";" + v
    except KeyError:
      wn[k] = v  
  return wn

princetonWN = readWNfile('wn-data-eng.tab', 'word')

for i in princetonWN:
    if i[0] == "a":
        print i, princetonWN[i].split(";")

Answer 2

我看到最简单的方法就是从这里下载他们的数据库，然后解析那些用空格分开的数据文件（data.adj、data.adv、data.noun、data.verb），提取每行的第5个元素，并把它们放到一个合适的数据结构里。

你可以考虑用哈希表，使用字母的首字母作为键，每个键对应一个以该字母开头的单词数组。

至于你是用动态数组还是普通数组，以及是否先解析文件以获取每个字母的单词数量（数组大小），这就看你自己的选择了。

下面的代码示例是用C语言写的，它会读取一个wordnet数据文件并打印出相关的单词。这个代码并不是很完美，写得也比较快。

#include <stdio.h>
#include <string.h>
int main(int argc,char**argv)
{
  FILE *fp;

  fp=fopen("data.noun", "r");
  char line [ 3000 ];
  while ( fgets ( line, sizeof line, fp ) != NULL )
  {
      char *result = NULL;
      int count =0;
      result = (char*)strtok( line, " ");
      count++; 
      while( result != NULL ) 
      {
      if (count == 5) 
      {
          printf( "result is \"%s\"\n", result );
      }
      result = (char*)strtok( NULL, " ");
      count++;
      }
  }
  return 0;
}

想了解更多关于WordNet数据库格式的文档，可以查看这里

如果你想使用WordNet的C API，可以查看这里的findtheinfo函数文档，不过我觉得这个API调用可能不适合返回你想要的信息。

从WordNet中提取以特定字母开头的所有单词

2 个回答

撰写回答