必须使用*unicode*字符串作为文本进行标记，同时使用TreeTagger标记？
必须使用*unicode*字符串作为文本进行标记，同时使用TreeTagger标记？
提问于 2016-04-17 17:58:32
我从TreeTagger网站创建了一个目录并下载了指定的文件。然后是树皮，因此，在文档中，我尝试测试并尝试如何标记一些文本，如下所示：
In [40]:
import treetaggerwrapper
tagger = treetaggerwrapper.TreeTagger(TAGLANG='en')
tags = tagger.TagText("This is a very short text to tag.")
print tags然后我收到了以下警告：
WARNING:TreeTagger:Abbreviation file not found: english-abbreviations
WARNING:TreeTagger:Processing without abbreviations file.
ERROR:TreeTagger:Must use *unicode* string as text to tag, not <type 'str'>.
---------------------------------------------------------------------------
TreeTaggerError Traceback (most recent call last)
<ipython-input-40-37b912126580> in <module>()
1 import treetaggerwrapper
2 tagger = treetaggerwrapper.TreeTagger(TAGLANG='en')
----> 3 tags = tagger.TagText("This is a very short text to tag.")
4 print tags
/usr/local/lib/python2.7/site-packages/treetaggerwrapper.pyc in TagText(self, text, numlines, tagonly, prepronly, tagblanks, notagurl, notagemail, notagip, notagdns, encoding, errors)
1236 return self.tag_text(text, numlines=numlines, tagonly=tagonly,
1237 prepronly=prepronly, tagblanks=tagblanks, notagurl=notagurl,
-> 1238 notagemail=notagemail, notagip=notagip, notagdns=notagdns)
1239
1240 # --------------------------------------------------------------------------
/usr/local/lib/python2.7/site-packages/treetaggerwrapper.pyc in tag_text(self, text, numlines, tagonly, prepronly, tagblanks, notagurl, notagemail, notagip, notagdns, nosgmlsplit)
1302 # Raise exception now, with an explicit message.
1303 logger.error("Must use *unicode* string as text to tag, not %s.", type(text))
-> 1304 raise TreeTaggerError("Must use *unicode* string as text to tag.")
1305
1306 if isinstance(text, six.text_type):
TreeTaggerError: Must use *unicode* string as text to tag.在哪里下载英文和西班牙文的缩写文件?以及如何正确安装treetaggerwrapper？
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-04-17 18:01:07
该方法只使用unicode字符串，将一个u添加到您的字符串中，使其成为unicode字符串。
tags = tagger.TagText(u"This is a very short text to tag.")"This is a very short text to tag."是一个str类型，一旦添加了u，它就是unicode：
In [12]: type("This is a very short text to tag.")
Out[12]: str
In [13]: type(u"This is a very short text to tag.")
Out[13]: unicode如果您从另一个源获取str，则需要解码：
In [15]: s = "This is a very short text to tag."
In [16]: type(s)
Out[16]: str
In [17]: type(s.decode("utf-8"))
Out[17]: unicode标记脚本可以下载这里。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/36680144
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号