使用 NLTK 将早期现代英语转换为 20 世纪拼写

Question

我有一个字符串列表，这些字符串都是以“th”结尾的早期现代英语单词。这些词包括hath、appointeth、demandeth等——它们都是第三人称单数的变位形式。

作为一个更大项目的一部分（使用我的计算机将 Gargantua 和 Pantagruel 的古腾堡电子文本转换为更像 20 世纪英语的内容，以便我能够更轻松地阅读它）我想删除最后两三个所有这些单词中的字符并用“s”替换它们，然后对仍然没有现代化的单词使用稍微修改过的函数，这两个单词都包含在下面。

我的主要问题是我从来没有成功地在 Python 中输入正确的内容。我发现这部分语言在这一点上确实令人困惑。

这是删除 th 的函数：

from __future__ import division
import nltk, re, pprint

def ethrema(word):
    if word.endswith('th'):
        return word[:-2] + 's'

这是删除无关 e 的函数：

def ethremb(word):
    if word.endswith('es'):
        return word[:-2] + 's'

因此单词 'abateth' 和 'accuseth' 将通过 ethrema，但不会通过 ethrema(ethrema)，而单词 'abhorreth' 则需要通过两者。

如果有人能想出更有效的方法来做到这一点，我洗耳恭听。

这是我非常业余地尝试在需要现代化的标记化单词列表上使用这些函数的结果：

>>> eth1 = [w.ethrema() for w in text]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'str' object has no attribute 'ethrema'

所以，是的，这确实是一个打字问题。这些是我用 Python 编写的第一个函数，但我不知道如何将它们应用到实际对象中。

Answer 1

ethrema() 不是 str 类型的方法，您必须使用以下内容：

eth1 = [ethrema(w) for w in text]
#AND
eth2 = [ethremb(w) for w in text]

编辑（回答评论）：

ethremb(ethrema(word))除非您对函数进行一些小更改，否则 将无法工作：

def ethrema(word):
    if word.endswith('th'):
        return word[:-2] + 's'
    else
        return word

def ethremb(word):
    if word.endswith('es'):
        return word[:-2] + 's'
    else
        return word

#OR

def ethrema(word):
    if word.endswith('th'):
        return word[:-2] + 's'
    elif word.endswith('es'):
        return word[:-2] + 's'
    else
        return word