编写对《natural language processing with python》这本书中的第一章节内容进行单词查找和分析，分别找出词形相近的单词的代码。

很高兴为你服务！以下是代码：

import nltk
from nltk.stem import WordNetLemmatizer
from nltk.corpus import stopwords

lemmatizer = WordNetLemmatizer()

# 这里假设已经将文本读入到了变量 text 中

# 分句
sentences = nltk.sent_tokenize(text)

# 停用词列表
stop_words = set(stopwords.words('english'))

# 遍历每个句子并进行单词查找和分析
for sentence in sentences:
    # 分词
    words = nltk.word_tokenize(sentence)
    # 对于每个单词进行词形还原
    lemmatized_words = [lemmatizer.lemmatize(word) for word in words]
    # 找出每个单词的词性
    tagged_words = nltk.pos_tag(words)
    # 找出名词并过滤停用词
    nouns = [word for word, pos in tagged_words if pos.startswith('N') and word.lower() not in stop_words]
    # 找出动词并过滤停用词
    verbs = [word for word, pos in tagged_words if pos.startswith('V') and word.lower() not in stop_words]
    # 找出形容词并过滤停用词
    adjectives = [word for word, pos in tagged_words if pos.startswith('J') and word.lower() not in stop_words]
    
    # 输出每个单词及其词形还原后的形式
    for word, lemmatized_word in zip(words, lemmatized_words):
        print(f'{word} -> {lemmatized_word}')
        
    # 输出名词、动词和形容词列表
    print(f'Nouns: {nouns}')
    print(f'Verbs: {verbs}')
    print(f'Adjectives: {adjectives}')

这段代码会对文本进行分句、分词、词形还原和词性标注等操作，然后找出名词、动词和形容词，并输出每个单词及其词形还原后的形式。