《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))