Python数据操作—单词标记化

单词标记是将大量文本样本分解为单词的过程。 这是自然语言处理任务中的一项要求，每个单词需要被捕获并进行进一步的分析，如对特定情感进行分类和计数等。自然语言工具包(NLTK)是用于实现这一目的的库。 在继续使用python程序进行字词标记之前，先安装NLTK。
命令：
conda install -c anaconda nltk
nltk.download('punkt')
当出现下面这种，表示安装nltk成功，

下面就可以使用word_tokenize方法将段落拆分为单个单词，代码：

#拆分单词
import nltk
word_data = "It originated from the idea that there are readers who prefer learning new skills from the comforts of their drawing rooms"
nltk_tokens = nltk.word_tokenize(word_data)
print (nltk_tokens)

结果：

['It', 'originated', 'from', 'the', 'idea', 'that', 'there', 'are', 'readers', 
'who', 'prefer', 'learning'