版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。如有问题，欢迎指正。 https://blog.csdn.net/album_gyd/article/details/85117973
上篇忘记记录下测试nltk中内置函数出现的错误了，再写一篇记录下吧。
解决办法：from __future__ import division放在Python文件导包的第一行。
即：
# -*- coding: utf-8 -*-
from __future__ import division
from nltk.book import *
问题解决。
执行代码：
# -*- coding: utf-8 -*-
from nltk.book import *
from __future__ import division
# 我们可以看到nltk预先帮我们加载了一些书籍数据text1~text9,text1~text9为Text类的实例对象名称,它们都代表一本书籍。
# 实际上Text类的构造函数接受一个单词列表作为参数,NLTK库预先帮我们构造了几个Text对象。
# 搜索文本
# print(text1.concordance("monstrous"))
print(text1.name)
# print(text1.count())
#concordance函数 给出一个指定单词每一次出现，连同上下文一起显示。
con = text1.concordance('monstrous')
print(con)
#similar函数 查找文中上下文结构相似的词，如the___pictures 和 the___size 等。
sim = text1.similar("monstrous")
print(sim)
#common_contexts 函数 检测、查找两个或两个以上的词共同的上下文。
#该方法接受一个单词列表,会打印出列表中所有单词共同的上下文。
com = text2.common_contexts(["monstrous", "very"])
print(com)
#判断词在文本中的位置：从文本开头算起在它前面有多少词。这个位置信息可以用离散图表示。
#该方法接受一个单词列表,会绘制每个单词在文本中的分布情况。
dis = text4.dispersion_plot(["citizens", "democracy", "freedom", "duties", "America"])
print(dis)
#计数词汇
#词语计数
lenT = len(text3)
print(lenT)
#文本-->词表 并排序
sor = sorted(set(text3))
print(sor)
#获取不重复单词数目
lenS = len(set(text3))
print(lenS)
#该方法接受一个单词,返回该单词在文本中出现的次数
coun = text1.count("monstrous")
print(coun)
#词汇丰富度
ric = len(text3) / len(set(text3))
print(ric)
# 词语搭配和双连词
# 该方法会打印出文本中频繁出现的双连词。
text1.collocations()
# 索引列表
# 表示元素位置的数字叫做元素的索引。
word = text1[50]
print(word)
# 找出一个词第一次出现的索引。
index = text1.index('grammars')
print(index)错误信息：
