当前位置: 首页>>代码示例>>Python>>正文


Python RegexpTokenizer.span_tokenize方法代码示例

本文整理汇总了Python中nltk.tokenize.RegexpTokenizer.span_tokenize方法的典型用法代码示例。如果您正苦于以下问题:Python RegexpTokenizer.span_tokenize方法的具体用法?Python RegexpTokenizer.span_tokenize怎么用?Python RegexpTokenizer.span_tokenize使用的例子?那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在nltk.tokenize.RegexpTokenizer的用法示例。


在下文中一共展示了RegexpTokenizer.span_tokenize方法的1个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。

示例1: tokenize_mail

# 需要导入模块: from nltk.tokenize import RegexpTokenizer [as 别名]
# 或者: from nltk.tokenize.RegexpTokenizer import span_tokenize [as 别名]
	def tokenize_mail(self,mailtext):
		"""
		this function uses the RegexpTokeniser to split the mail text on the pattern defined
		Each split is a separate mail. 
		Returns a list of mails contained in the given mailtext
		"""
		
		mails = []
	
		#splits entire mail into parts matching the 'On <Date Time> <[email protected]> wrote:' pattern
		tokenizer = RegexpTokenizer('\n[>|\s]*On[\s]* ([a-zA-Z0-9, :/<>@\.\"\[\]\r\n]*[\s]* wrote:)',gaps = True)
		mail_indices = tokenizer.span_tokenize(mailtext)
		
		#uses the splits' offset information from span_tokenize to split the actual mailcontent
		#stores each split as an element of a list named 'mails'
		start = end = 0
		for index in mail_indices:
			end = index[1]+1
			mails.append(mailtext[start:end])
			start = end

		return mails	#list of the contained mails within a single mailtext
开发者ID:devsjee,项目名称:Skedool,代码行数:24,代码来源:EmailParser.py


注:本文中的nltk.tokenize.RegexpTokenizer.span_tokenize方法示例由纯净天空整理自Github/MSDocs等开源代码及文档管理平台,相关代码片段筛选自各路编程大神贡献的开源项目,源码版权归原作者所有,传播和使用请参考对应项目的License;未经允许,请勿转载。