NLP 项目，python 或 C++

Question

我们正在研究阿拉伯自然语言处理项目，我们的选择仅限于用 Python 或 C++（和 Boost 库）编写代码。我们正在考虑以下几点：

• Python

  • 比 C++ 慢（正在努力使 Python 更快）
  • 更好的 UTF8 支持
  • 更快地编写测试和尝试不同的算法

• C++

  • 比 Python 更快
  • 熟悉的代码，每个程序员都知道 C 或类似 C 的代码

项目完成后，将项目移植到其他编程语言应该不是很难。

您认为什么更好、更适合该项目？

Answer 1

尽管这是主观且有争议的，但有证据表明您可以用 python 编写成功的 NLP 项目，例如 NLTK< /a>.他们还提供不同语言的 NLP 功能比较：（

---

引用比较）

很多编程语言都被用于NLP。正如前言中所解释的，我们选择 Python 是因为我们相信它非常适合 NLP 的特殊要求。在这里，我们对几种编程语言进行了简要概述，以完成阅读文本并打印以 ing 结尾的单词的简单任务。我们从 Python 版本开始，我们相信它很容易解释，即使是非 Python 程序员也是如此：

import sys
for line in sys.stdin:
    for word in line.split():
        if word.endswith('ing'):
            print word

[...]

C 编程语言是一种高效的低级语言，在操作系统和网络软件中很流行：

#include <stdio.h>
#include <string.h>

int main(int argc, char **argv) {
   int i = 0;
   int c = 1;
   char buffer[1024];

   while (c != EOF) {
       c = fgetc(stdin);
       if ( (c >= '0' && c <= '9') || (c >= 'a' && c <= 'z') || (c >= 'A' && c <= 'Z') ) {
           buffer[i++] = (char) c;
           continue;
       } else {
           if (i > 2 && (strncmp(buffer+i-3, "ing", 3) == 0 || strncmp(buffer+i-3, "ING", 3) == 0 ) ) {
               buffer[i] = 0;
               puts(buffer);
           }
           i = 0;
       }
   }
   return 0;
}

---

编辑：我没有在 C++/Boost 中包含类似的代码，因此我添加了一个执行类似操作的代码示例，尽管与 Boost 文档。请注意，这不是最干净的版本。

// char_sep_example_1.cpp
#include <iostream>
#include <boost/tokenizer.hpp>
#include <string>

    int main()
    {
      std::string str = ";;Hello|world||-foo--bar;yow;baz|";
      typedef boost::tokenizer<boost::char_separator<char> > 
        tokenizer;
      boost::char_separator<char> sep("-;|");
      tokenizer tokens(str, sep);
      for (tokenizer::iterator tok_iter = tokens.begin();
           tok_iter != tokens.end(); ++tok_iter)
        std::cout << "<" << *tok_iter << "> ";
      std::cout << "\n";
      return EXIT_SUCCESS;
    }

Answer 2

用 Python 编写它，对其进行分析，如果您需要加快其中某些部分的速度，请用 C++ 编写它们。 Python 和 C++ 非常相似，以至于“熟悉”C++ 的优势很快就会变得无关紧要。

我是作为一个主要使用 C++ 进行开发并且最近开始认真使用 Python 的人这样说的。我喜欢它们，但我可以让 Python 代码比 C++ 更快地运行。说真的，dict 在可用性方面胜过 std::map。

PS 这里有一些有关如何从 Python 调用 C 代码的信息。

Answer 3

这或多或少是对奥托·阿尔门丁格答案的答复/补充。如果你真的想用 C++ 实现一些（大致）类似于他的 Python 示例的东西，我认为这样的东西会更接近：

#include <string>
#include <iostream>

int main() { 
    std::string temp;
    while (std::cin>>temp) 
        if (temp.size()>2 && temp.substr(temp.size()-3, 3)=="ing")
           std::cout << temp;
}

这与 Python 所做的事情本质上是相同的，并且大约相同长度也是如此——C++有更多的语法“绒毛”，但它们的代码行数实际上做完全相同（尽管毫无疑问，C++版本中的各个行是更长）。

请不要误会我的意思：我当然不是试图声称使用 C++ 进行开发将与使用 Python 一样快速或简单。我确实认为边距可能比这里提供的一些代码可能暗示的要小一点。

编辑：如果您确实想要声称 C++ 会更快、更容易，您可以提供如下代码：

for (std::string temp; std::cin>>temp; )
    temp.size()>2 && temp.substr(temp.size()-3, 3)=="ing" && std::cout << temp;

...以及一个事实上准确（尽管严重误导）的声明，例如：“C++ 代码只有语句数量是 Python 实现的一半。”

Answer 4

熟悉的代码，每个程序员都知道C或类C代码

许多开发人员熟悉 C 或类似 C 的代码，但这并不意味着他们符合 C++。
缺乏经验的 C++ 开发人员可能会对如此复杂的项目造成很大损害，因此您必须格外小心。

我不能代表 python，但我听说它对初学者更友好。

我想说，你应该选择你（作为一个团队）最了解的语言。

Answer 5

IMO 选择 C/C++ 只是因为“熟悉”的因素。尽管 LOC 更多地采用 C/C++，但您将节省理解和测试的时间。