나는 nltk로 일부 NLP를 배우기위한 실습 텍스트로 Tolkein의 Silmarillion을 사용하려고합니다.Silmarillion에서 가져온 텍스트에 NLTK를 사용할 수 없습니다.
텍스트 인코딩 문제가 발생하여 시작하는 데 문제가 있습니다.
NLTK 주위에 TextBlob 래퍼 (https://github.com/sloria/TextBlob)를 사용하기 때문에 훨씬 쉽습니다. TextBlog가에서 볼 수 있습니다 :
내가 구문 분석 할 수 없습니다 문장입니다 :
"But Húrin did not answer, and they sat beside the stone, and did not speak again".
나는 그것이 문제의 원인 Hurin에 특수 문자 믿습니다.
내 코드 :이로
from text.blob import TextBlob
b = TextBlob('But Húrin did not answer, and they sat beside the stone, and did not speak again')
b.noun_phrases
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 1: ordinal not in range(128)
난 그냥이 텍스트와 일부 속성을 추출을 사용하여 몇 가지 기본적인 처리를 수행 할 수 있으려면, 그냥 재미로하는 프로젝트입니다.
초기 인코딩이 무엇인지 모르면 어떻게하면이 텍스트를 ASCII로 변환 할 수 있습니까? UTF8에서 디코딩을 시도한 다음 ASCII로 다시 인코딩합니다.
>>> asc = unicode_text.decode('utf-8')
>>> asc = unicode_text.encode('ascii')
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 10: ordinal not in range(128)
그래도 걱정하지 않아도됩니다. 어떤 제안이라도 고맙게 여기고 있습니다. 특수 문자를 잃어 버리면 문서 전체에서 일관되게 끝나면 괜찮습니다.
필자는 Python 2.6.8을 사용하여 필요한 모듈도 올바르게 설치했습니다.
유니 코드 문자열을 사용해 보셨습니까? 현의 앞쪽에 'u'를 붙이고 어떻게되는지보십시오. – user2357112
초기 인코딩이 무엇인지 모르는 경우 : 그림을 그려보십시오. 또한 유니 코드가 무엇인지에 관해서는 혼란 스럽다고 생각합니다. http://regebro.wordpress.com/2011/03/23/unconfusing-unicode-what-is-unicode/ '디코드. (' utf8 ')'아스키로 인코딩하면 나중에 이해가되지 않습니다. –
또한 : 여전히 작동하지 않는다면 추적 코드를 사용하여 정확한 코드를 표시해보십시오. –