在NLTK電影評論語料庫中標記

Question

我有以下代碼可以在movie_review語料庫中打印15個最常見的事件。

import nltk 
import random 
from nltk.corpus import movie_reviews 

documents =[] 

for category in movie_reviews.categories(): 
    for fileid in movie_reviews.fileids(category): 
     documents.append((list(movie_reviews.words(fileid)), category)) 

random.shuffle(documents) 

all_words =[] 
for w in movie_reviews.words(): 
    all_words.append(w.lower()) 

all_words =nltk.FreqDist(all_words) 
print(all_words.most_common(15)) 

我得到以下輸出：

[(u',', 77717), (u'the', 76529), (u'.', 65876), (u'a', 38106), (u'and', 35576), (u'of', 34123), (u'to', 31937), (u"'", 30585), (u'is', 25195), (u'in', 21822), (u's', 18513), (u'"', 17612), (u'it', 16107), (u'that', 15924), (u'-', 15595)] 

爲什麼字母 'u' 的標籤來嗎？我該如何解決這個問題？

Answer 1

這只是一個unicode strings in Python 2.7，沒有什麼NLTK特定的。

Answer 2

由於您將對的列表傳遞給print，因此您會看到引號，逗號和（在Python 2.7上）的u前綴。打印單個字符串按預期工作。例如：

for word, cnt in all_words.most_common(15): 
    print word, cnt