Python加载PTB语料库

在Python中，如果你想要加载Penn Treebank (PTB) 语料库，首先你需要安装`nltk`库，它是自然语言处理的一个常用工具包，包含了PTB数据。以下是加载过程的基本步骤：

1. **安装nltk**:
如果你还没有安装，可以使用pip进行安装：

   pip install nltk

2. **下载PTB数据**:
打开Python交互模式（如IDLE），然后导入nltk并下载PTB数据：

   import nltk
   nltk.download('ptb')

这会下载必要的资源到你的nltk_data目录下。

3. **加载分词数据**:
使用`nltk.corpus.treebank`模块可以直接访问PTB的分词数据：

   from nltk.corpus import treebank
   words = treebank.words()

`words`是一个迭代器，你可以遍历它获取文本中的单词。

4. **加载标签数据**:
对于标注的数据，例如依存树或语法结构，可以使用类似的方式：

   tagged_sents = treebank.tagged_sents()

`tagged_sents`将返回一系列标记过的句子，每个元素是元组，包含单词和对应的词性标注。