使用NLTK将早期现代英语转化为20世纪拼写

Question

我有一串字符串，都是一些早期现代英语的单词，结尾都是“th”。比如有“hath”、“appointeth”、“demandeth”等等，它们都是第三人称单数的形式。

作为一个更大项目的一部分（我想用我的电脑把《巨人传》和《潘塔格鲁埃尔》这本书的古腾堡电子文本转换成更像20世纪英语的样子，这样我就能更容易地阅读），我想把这些单词的最后两个或三个字母去掉，然后用一个“s”替换掉，再对那些还没有现代化的单词使用稍微修改过的函数，下面都有列出。

我主要的问题是，我在Python中总是打错字。我发现这部分语言现在对我来说真的很困惑。

这是一个用来去掉“th”的函数：

from __future__ import division
import nltk, re, pprint

def ethrema(word):
    if word.endswith('th'):
        return word[:-2] + 's'

这是一个用来去掉多余“e”的函数：

def ethremb(word):
    if word.endswith('es'):
        return word[:-2] + 's'

因此，像“abateth”和“accuseth”这样的单词会通过ethrema，但不会通过ethremb（ethrema），而“abhorreth”这个词则需要同时通过两个函数。

如果有人能想到更有效的方法来做这个，我非常乐意听听。

这是我非常业余的尝试，使用这些函数对需要现代化的单词列表进行处理的结果：

>>> eth1 = [w.ethrema() for w in text]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'str' object has no attribute 'ethrema'

所以，问题确实在于打字。这是我第一次在Python中写的函数，我完全不知道怎么把它们应用到实际的对象上。

Answer 1

ethrema() 不是 str 类型的方法，你需要使用以下内容：

eth1 = [ethrema(w) for w in text]
#AND
eth2 = [ethremb(w) for w in text]

编辑（为了回答评论）：

ethremb(ethrema(word)) 在你对函数做一些小改动之前是无法工作的：

def ethrema(word):
    if word.endswith('th'):
        return word[:-2] + 's'
    else
        return word

def ethremb(word):
    if word.endswith('es'):
        return word[:-2] + 's'
    else
        return word

#OR

def ethrema(word):
    if word.endswith('th'):
        return word[:-2] + 's'
    elif word.endswith('es'):
        return word[:-2] + 's'
    else
        return word