python - 从 wordnet 中提取所有以特定字母开头的单词

Question

如何从 wordnet 中提取所有以特定字母开头的单词。例如，如果我输入 A，wordnet 应该返回所有以字母 A 开头的单词。

Answer 1

我能看到的最简单的方法是从这里下载他们的数据库，然后为每行中的第 5 个元素解析空格分隔的数据文件（data.adj、data.adv、data.noun、data.verb）并将它们放入相关的数据结构。

可能是一个哈希表，其中起始字母作为键，每个元素作为以该字母开头的单词数组。

无论您使用动态数组还是常规数组，然后您首先解析文件以获取每个字母的单词数（数组大小）取决于您。

下面的代码示例是用 C 语言编写的，它读取 wordnet 数据文件并打印出问题中的单词。它绝不是抛光的，而且很快就制成了。

#include <stdio.h>
#include <string.h>
int main(int argc,char**argv)
{
  FILE *fp;

  fp=fopen("data.noun", "r");
  char line [ 3000 ];
  while ( fgets ( line, sizeof line, fp ) != NULL )
  {
      char *result = NULL;
      int count =0;
      result = (char*)strtok( line, " ");
      count++; 
      while( result != NULL ) 
      {
      if (count == 5) 
      {
          printf( "result is \"%s\"\n", result );
      }
      result = (char*)strtok( NULL, " ");
      count++;
      }
  }
  return 0;
}

有关 WordNet 数据库格式的更多文档，请参见此处

如果您想改用 WordNet C API，请参阅此处findtheinfo记录的函数，尽管我不认为它旨在返回您想要使用该 API 调用的那种信息。

Answer 2

在 python 中，从 .tab 文件下载后Open Multilingual Wordnet，您可以尝试以下方法：

# Read Open Multi WN's .tab file
def readWNfile(wnfile, option="ss"):
  reader = codecs.open(wnfile, "r", "utf8").readlines()
  wn = {}
  for l in reader:
    if l[0] == "#": continue
    if option=="ss":
      k = l.split("\t")[0] #ss as key
      v = l.split("\t")[2][:-1] #word
    else:
      v = l.split("\t")[0] #ss as value
      k = l.split("\t")[2][:-1] #word as key
    try:
      temp = wn[k]
      wn[k] = temp + ";" + v
    except KeyError:
      wn[k] = v  
  return wn

princetonWN = readWNfile('wn-data-eng.tab', 'word')

for i in princetonWN:
    if i[0] == "a":
        print i, princetonWN[i].split(";")