我正在使用 Python 的 NLTK 库来标记我的句子。
如果我的代码是
text = "C# billion dollars; we don't own an ounce C++"
print nltk.word_tokenize(text)
我把这个作为我的输出
['C', '#', 'billion', 'dollars', ';', 'we', 'do', "n't", 'own', 'an', 'ounce', 'C++']
符号;，.，#被认为是分隔符。有没有办法#从分隔符集中删除，比如如何+不是分隔符，因此C++显示为单个标记？
我希望我的输出是
['C#', 'billion', 'dollars', ';', 'we', 'do', "n't", 'own', 'an', 'ounce', 'C++']
我想C#被视为一种象征。