小编gat*_*ost的帖子

这是我第一次使用StackOverflow提出一个问题,但是我已经集体保存了这么多年来我在家里感受到的许多项目.

我正在使用Python3.5和nltk来解析旧英语的完整语料库,它作为77个文本文件和XML文档发布给我,它将文件序列指定为TEI格式语料库的连续段.以下是XML文档标题的相关部分,显示我们实际上正在使用TEI:

<?xml version="1.0" encoding="UTF-8"?>
<TEI xmlns="http://www.tei-c.org/ns/1.0">
  <teiHeader type="ISBD-ER">
    <fileDesc>

是的,所以作为测试,我只是试图使用NLTK的MTECorpusReader打开语料库并使用words()方法来证明我能够打开它.我正在通过交互式Python shell完成所有这些工作,只是为了便于测试.这就是我所做的一切:

# import the reader method    
import nltk.corpus.reader as reader

# open the sequence of files and the XML doc with the MTECorpusReader    
oecorpus = reader.mte.MTECorpusReader('/Users/me/Documents/0163','.*')

# print the first few words in the corpus to the interactive shell
oecorpus.words()

当我尝试这个时,我得到以下回溯:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/nltk/util.py", line 765, in __repr__
    for elt in self:
  File "/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/nltk/corpus/reader/util.py", line 397, in iterate_from
    for …