用Python脚本，英文分词，如何实现有实义的单词，或几个单词的短语

要实现有实义的单词或短语的英文分词，可以使用自然语言处理库NLTK中的词性标注功能。具体步骤如下：

1. 安装nltk库：在命令行中输入 pip install nltk

2. 导入nltk库：在Python脚本中输入 import nltk

3. 下载nltk数据：在Python脚本中输入 nltk.download('averaged_perceptron_tagger')

4. 使用词性标注功能：在Python脚本中输入 nltk.pos_tag(words)，其中words是待分词的文本字符串，函数返回值是一个列表，每个元素是一个元组(word, pos)，其中word是单词或短语，pos是它的词性标注，例如('apple', 'NN')表示单词“apple”的词性是名词。

5. 筛选有实义的单词或短语：可以根据词性标注的结果，筛选出名词、动词、形容词、副词等有实义的词汇，或者根据上下文语境，筛选出符合要求的短语。

举例来说，假设有如下文本字符串：

text = "I like to eat apples and bananas, but I don't like oranges."

可以使用如下代码进行分词和词性标注，并筛选出名词和动词：

import nltk

# 下载数据
nltk.download('averaged_perceptron_tagger')

# 待分词的文本字符串
text = "I like to eat apples and bananas, but I don't like oranges."

# 分词和词性标注
words = nltk.word_tokenize(text)
pos_tags = nltk.pos_tag(words)

# 筛选名词和动词
meaningful_words = [word for word, pos in pos_tags if pos.startswith('N') or pos.startswith('V')]

print(meaningful_words)

输出结果为：['like', 'eat', 'apples', 'bananas', 'like', 'oranges']，其中包含了有实义的单词和短语。