我正在使用达nltk.word_tokenize里语。问题是我们在一个单词之间有空格。
例如"زنده گی"表示生命的词。和相同的; 我们还有很多别的词。所有以字符结尾的单词"ه"我们必须给它一个空格，否则，它可以组合，例如"زندهگی"。
任何人都可以帮助我使用[tag:regex]或任何其他方式不应该标记一个单词的一部分以结尾的单词，"ه"然后，就会有这个"گ "字符。
问问题
358 次
我正在使用达nltk.word_tokenize里语。问题是我们在一个单词之间有空格。
例如"زنده گی"表示生命的词。和相同的; 我们还有很多别的词。所有以字符结尾的单词"ه"我们必须给它一个空格，否则，它可以组合，例如"زندهگی"。
任何人都可以帮助我使用[tag:regex]或任何其他方式不应该标记一个单词的一部分以结尾的单词，"ه"然后，就会有这个"گ "字符。