CategorizedPlaintextCorpusReader:如何使用regex指定类别？'NoneType“object”没有属性“group”

Question

我正在尝试创建一个CategorizedPlaintextCorpusReader，它有两个类别：neg和pos。这些类别在文件名中是“_neg”和“u pos”。示例：

bda_TD_2520_HD_001.pdf_neg.txt
info_Ei650_de.pdf_pos

我的代码：

^{pr2}$

我得到了一个错误：

AttributeError: 'NoneType' object has no attribute 'group'

我做错什么了？在

编辑

我改变了它，现在原来的错误不再发生了。但我不确定它是否有效，因为我没有得到任何结果：

len(reader.categories()) # nothing

for cat in reader.categories():
    print (cat) # nothing

reader.fileids("neg") # ValueError: Category neg not found

Answer 1

您需要查看仅包含pos或neg的文件：

CategorizedPlaintextCorpusReader('C:/users/s/desktop/corpus/', 
                                 r'.*?_(neg|pos).*', 
                                 cat_pattern=r'.*?_(neg|pos).*')

其中.*?是对任意字符任意次数的匹配，^{cd4>}是一个匹配neg或pos的捕获组（必须进行捕获才能使类别提取器工作）。在

对我有用。在