在NLTK中过滤数据

Question

在NLTK文档之后，这里：http://www.nltk.org/howto/twitter.html#Extracting-Parts-of-a-Tweet

我试图通过boolean标记retweeted和possibly_sensitive状态过滤tweet。下面的示例只尝试使用retweeted标记。在

输出仅包含以下内容"id,text,retweeted.bool"

input_file = "/blah/blah/blah/tweets.20171120-202012.json"
from nltk.twitter.common import json2csv_entities
with open(input_file) as fp:
    json2csv_entities(fp, 'tweets.20171120-202012.csv', 
                        ['id', 'text'], 'retweeted',['bool'])

json文件是一个换行分隔的json文件，其中有许多tweet对象（这些对象各不相同——有些tweet对象没有possibly_sensitive标记，只有当tweet有链接时才会显示）。我怀疑这可能是造成这个问题的原因。在

关于如何让这个json2csv_entities方法来拉入retweeted和{}标记，有什么想法吗？在

提前感谢您的想法！在

输入文件的示例不适合在这里发布，因为它太长了，但从结构上看，它看起来像下面这样：

^{pr2}$

Answer 1

{JSON文件中的每一行{JSON>以一行字符串的形式读取（在文件的第1行中用一个字符串分隔）。在

然后我编写了以下代码来获取我要查找的键：

with open(input_file) as tweets_file:
    for line in tweets_file:
        tweet = json.loads(line)
        # try catch handles for possibly_sensitive not being in the tweet metadata..
        try:
            sensitive = tweet['possibly_sensitive']
        except KeyError:
            sensitive = None

这很有效。在