Python中文是蟒蛇，Python是著名的“龜叔”Guido van Rossum在1989年圣誕節(jié)期間，為了打發(fā)無聊的圣誕節(jié)而編寫的一個(gè)編程語(yǔ)言。比如，完成同一個(gè)任務(wù)，C語(yǔ)言要寫1000行代碼，Java只需要寫100行，而Python可能只要20行。
我發(fā)表這個(gè)貼子是想讓更多人去認(rèn)識(shí)Python。Python語(yǔ)言很好上手，語(yǔ)句簡(jiǎn)單明了，不像C++ . VB等語(yǔ)言復(fù)雜。Python語(yǔ)言涉及到很多方面，比如3D游戲等。
如果想計(jì)算50+100的結(jié)果是多少，C語(yǔ)言和VB語(yǔ)言等一大串的代碼，而Python計(jì)算50+100的代碼只需要這樣“50+100”
如果不信的話，大家可以用Python試一試這段代碼。
輸出的代碼
print 后加引號(hào)輸出的文字
例：print '基德逗逗' （Python是 不允許加中文的，如果加中文的話請(qǐng)看一下教程）
出現(xiàn)錯(cuò)誤提示，怎么回事，接著往下看
print語(yǔ)句后也可以跟上多個(gè)字符串，使用的方法是用逗號(hào)隔開
例：print '你是男人', '不用謝' （Python是 不允許加中文的，如果加中文的話請(qǐng)看一下教程） 
出現(xiàn)錯(cuò)誤提示，怎么回事，接著往下看
中文的加法在前面寫入代碼：
# encoding: utf-8
print '你是男人', '不用謝'
修改了代碼之后，還是錯(cuò)誤，最會(huì)得知原來標(biāo)點(diǎn)符號(hào)錯(cuò)了，'打成了‘
這次代碼對(duì)了，很興奮，大概就是寫代碼的樂趣吧！
使用nltk來處理中文資料
nltk 怎么樣使用中文?這是個(gè)大問題。這么個(gè)工具目前只能比較好的處理英文和其他的一些拉丁語(yǔ)系，誰讓別人的單詞與單詞之間有個(gè)空格隔開呢！中文漢字一個(gè)挨一個(gè)的，nltk在分詞這一關(guān)就過不去了，分詞沒法分，剩下的就都做不了。唯一能做的， 就是對(duì)網(wǎng)上現(xiàn)有的中文語(yǔ)料進(jìn)行處理，這些語(yǔ)料都分好了詞，可以使用nltk進(jìn)行類似與英文的處理。
python處理中文首先需要設(shè)置一下文本的編碼， 文件的首行加上： #coding utf-8 這個(gè)是給python解釋器識(shí)別的，然后文件保存的時(shí)候，還需要保存為utf-8的編碼。
這些編碼設(shè)置完了， ntlk還是處理不了中文。
nltk處理中文的第一步障礙就是中文資料不是分好詞的， 詞語(yǔ)與詞語(yǔ)之間沒有空格。要使用nltk對(duì)中文進(jìn)行處理， 首先的第一步就是中文分詞（臺(tái)灣叫中文斷詞）。
目前python中文分詞的包，我推薦使用結(jié)巴分詞。 使用結(jié)巴分詞，之后，就可以對(duì)輸出文本使用nltk進(jìn)行相關(guān)處理。
當(dāng)然中文分詞， 不應(yīng)該成為使用nltk的障礙，或許很多人認(rèn)為，既然用nltk，那么nltk就應(yīng)該支持中文。但是我們得認(rèn)清現(xiàn)實(shí)，現(xiàn)實(shí)就是nltk就是不支持處理中文，因此，這個(gè)給國(guó)內(nèi)很多自然語(yǔ)言處理的研究人員有了研究的空間了，nltk既然沒做中文分詞，那么中國(guó)人就應(yīng)該自己做了這個(gè)。一個(gè)口碑比較好的中文分詞工具就是ICTCLAS中文分詞。
當(dāng)然，我個(gè)人覺得中國(guó)人自己開發(fā)的純python實(shí)現(xiàn)的結(jié)巴分詞也不錯(cuò)。
總的來說，nltk不提供中文分詞，不應(yīng)該糾結(jié)于此，并止步不前，我們完全可以使用其他的中文分詞工具，將需要處理的資料分好詞，然后再使用nltk進(jìn)行處理，因此，這里就不多說中文分詞的那點(diǎn)事了。如果你因?yàn)橹形姆衷~而分心，并轉(zhuǎn)向到中文分詞的研究之中，那么你就掉入了另外一個(gè)深坑之中。牢記本文的主題是nltk。當(dāng)然需要多啰嗦一點(diǎn)的就是，nltk的默認(rèn)詞性標(biāo)注集使用的是Penn Treebank 的詞性標(biāo)注集，因此，你選用中文分詞模塊的時(shí)候，最好能夠使用和penn詞性標(biāo)注集差不多的中文分詞工具，當(dāng)然，不一樣也沒事。
喜歡 
頂
難過
囧
圍觀
無聊
