《Python自然语言处理》第二章 习题解答 练习6

问题描述：在比较词表的讨论中，创建一个对象叫做translate，通过它你可以使用德语和意大利语词汇查找对应的英语词汇。这种方法可能会出现什么问题，你能提出一个办法来避免这个问题吗？

书上的做法是通过entries()方法来指定一个语言链表来访问多语言中的同源词，再把它转换成一个简单的词典。代码如下：

from nltk.corpus import swadesh
swadesh.fileids()
it2en = swadesh.entries(['it', 'en'])
de2en = swadesh.entries(['de', 'en'])
translate = dict(it2en)
translate.update(dict(de2en))
translate['Hund']

然而这个方法有个问题，原语言链表中有多对多关系的词，如it2en中的：

(u'tu, Lei', u'you (singular), thou')
(u'lui, egli', u'he')
(u'loro, essi', u'they')
(u'qui, qua', u'here')
(u'udire, sentire', u'hear')
(u'odorare, annusare', u'smell')
(u'dividere, separare', u'split')
(u'aguzzo, affilato', u'sharp')
(u'asciutto, secco', u'dry')

当输入translate['tu']时并不会正确显示you (singular), thou，而是会报错KeyError: 'tu'：

>>> translate['tu']
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
KeyError: 'tu'

解决思路：

遍历语言链表，当检测到有多对多关系时，将该元素进行处理后再加入原语言链表。

代码：

from nltk.corpus import swadesh
swadesh.fileids()
it2en = swadesh.entries(['it', 'en'])
de2en = swadesh.entries(['de', 'en'])

# list[tuple(str, str), ...]
for it, en in it2en:
    if ',' in it:
        words = it.split(', ')
        for eachWord in words:
            newWord = (eachWord, en)
            it2en.append(newWord)

for de, en in it2en:
    if ',' in de:
        words = de.split(', ')
        for eachWord in words:
            newWord = (eachWord, en)
            de2en.append(newWord)

translate = dict(it2en)
translate.update(dict(de2en))