山东大学数据科学实验三----NLP自然语言处理

资源包主要内容： （1）各个步骤需要的实验源码 （2）各个步骤生成的text、xml以及csv文件 （3）实验过程的大致说明，帮助更好的理解实验 包含整个实验过程的所有资源，代码完整，附带实验说明，易于理解。 原reviews.xml有点不合适，用资源包里的替换掉就好。 最后，祝大家能早日做完实验，早回家。

#-*-coding:utf-8 -*-
from lxml import etree
import pandas as pd
import sys
reload（sys）
sys.setdefaultencoding（‘utf-8‘）
id =0
a=[]
b=[]

parser = etree.xmlParser（recover=True）
while id <100:
    tree = etree.parse（“F:/Pythonwork/NLP/review_parser/review_parsed“+‘%05d‘%id+“.xml“ parser）
    root = tree.getroot（）
    for element in root.iter（）:
        depps = element.findall（“dep“）
        for depp in depps:
            if depp.get（‘type‘） == “amod“:
                print depp.find（“governor“）.text
                print depp.find（“dependent“）.text
                a.append（depp.find（“governor“）.text）
                b.append（depp.find（“dependent“）.text）
    id+=1

dataframe = pd.Dataframe（{‘名词‘: a ‘修饰词‘: b}）
dataframe.to_csv（“test.csv“ index=False sep=‘‘）



#print root[0].tag
#print root[0].attrib
#找标签名为dependencies的属性
print root[0].find（“dependencies“）.attrib.keys（）[0]



#for element in root.iter（）:
 #   if element.find（‘review_text‘） is None: pass

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件       21088  2016-09-27 20:57  实验三-NLP\hw2.ipynb
     目录           0  2018-01-24 17:44  实验三-NLP\
     目录           0  2018-01-24 17:44  实验三-NLP\.idea\
     文件         459  2018-01-23 23:38  实验三-NLP\.idea\NLP.iml
     文件         222  2018-01-23 23:38  实验三-NLP\.idea\misc.xml
     文件         258  2018-01-23 23:38  实验三-NLP\.idea\modules.xml
     文件       15441  2018-01-24 17:27  实验三-NLP\.idea\workspace.xml
     文件        1030  2018-01-24 16:37  实验三-NLP\Matched.py
     文件         667  2018-01-24 00:13  实验三-NLP\RewiewText.py
     目录           0  2018-01-24 17:44  实验三-NLP\review_parser\
     文件       21909  2018-01-24 00:38  实验三-NLP\review_parser\review_parsed00000.xml
     文件       21909  2018-01-24 00:38  实验三-NLP\review_parser\review_parsed00001.xml
     文件        4287  2018-01-24 00:38  实验三-NLP\review_parser\review_parsed00002.xml
     文件        6782  2018-01-24 00:38  实验三-NLP\review_parser\review_parsed00003.xml
     文件        3431  2018-01-24 00:38  实验三-NLP\review_parser\review_parsed00004.xml
     文件       28960  2018-01-24 00:39  实验三-NLP\review_parser\review_parsed00005.xml
     文件        5201  2018-01-24 00:39  实验三-NLP\review_parser\review_parsed00006.xml
     文件       40059  2018-01-24 00:39  实验三-NLP\review_parser\review_parsed00007.xml
     文件       12403  2018-01-24 00:39  实验三-NLP\review_parser\review_parsed00008.xml
     文件       40059  2018-01-24 00:39  实验三-NLP\review_parser\review_parsed00009.xml
     文件       92543  2018-01-24 00:40  实验三-NLP\review_parser\review_parsed00010.xml
     文件        3124  2018-01-24 00:40  实验三-NLP\review_parser\review_parsed00011.xml
     文件        5657  2018-01-24 00:40  实验三-NLP\review_parser\review_parsed00012.xml
     文件        9935  2018-01-24 00:40  实验三-NLP\review_parser\review_parsed00013.xml
     文件       61297  2018-01-24 00:40  实验三-NLP\review_parser\review_parsed00014.xml
     文件       24131  2018-01-24 00:41  实验三-NLP\review_parser\review_parsed00015.xml
     文件       11241  2018-01-24 00:41  实验三-NLP\review_parser\review_parsed00016.xml
     文件       27667  2018-01-24 00:41  实验三-NLP\review_parser\review_parsed00017.xml
     文件        8566  2018-01-24 00:41  实验三-NLP\review_parser\review_parsed00018.xml
     文件        2117  2018-01-24 00:41  实验三-NLP\review_parser\review_parsed00019.xml
     文件        5186  2018-01-24 00:41  实验三-NLP\review_parser\review_parsed00020.xml
............此处省略234个文件信息