python - 如何使用 Python NLTK 将字符串中的数字转换为单词？

Question

我正在尝试编写一个函数，该函数将:

• 将字符串作为输入
• 检查其中是否有数字
• 将数字转换为单词

例如，“Hello 5, 123”将转换为“Hello 5, 123”。

我的代码是: 从 nltk.corpus 导入停用词 从 nltk.tokenize 导入 word_tokenize 从 num2words 导入 num2words

def conv_mytext(text, **keyword_parameters):
    if('convert_digits' in keyword_parameters):
    word_tokens = word_tokenize(text)
    for w in word_tokens:
        if int(w):
            word_tokens[w] = num2words(w)
        else:
            continue
    return text

我收到此错误:

ValueError: invalid literal for int() with base 10: 'Hello'

我做错了什么？

Answer 1

这里的主要问题是 int() 不是一个谓词函数 - 你期望它像 isInt() 一样工作，当它实际上会尝试将您传递的值转换为 int。

“Hello”，序列中的第一个标记当然无法转换为 int，因此，调用 int("Hello") 会产生 ValueError，表明“Hello”可能不是一个以 10 为基数的数字。

您应该考虑其他方法来测试字符串是否类似于数字。最简单的方法是在 try/catch block 中执行该转换，这样您就可以识别 ValueError，并在发现字符串不是数字时安全地继续。

另一种方法是使用正则表达式来识别字符串是否类似于数字。正则表达式 ^\d+$ 适用于整数。如果字符串与该表达式匹配，则该字符串仅由数字组成，可以传递给 num2words。