要使用nltk進行自然語言處理，首先需安裝庫并下載必要資源；其次掌握分詞、詞性標注、去除停用詞和詞形還原等基本操作；最后可應用于情感分析、關鍵詞提取、文本分類和實體識別等場景。具體步驟為：1. 安裝nltk并下載常用語料如punkt、averaged_perceptron_tagger和wordnet；2. 使用word_tokenize實現分詞；3. 利用pos_tag進行詞性標注；4. 通過stopwords模塊去除停用詞；5. 借助wordnetlemmatizer進行詞形還原；6. 結合實際需求開展各類nlp任務。實踐中要注意資源包缺失可能導致錯誤，建議新手下載全部資源以避免問題。
python進行自然語言處理（NLP）非常常見，而NLTK（Natural Language Toolkit）是一個非常適合入門的庫。它功能全面，文檔豐富，適合初學者理解基本概念和操作。
安裝NLTK并下載資源
首先，你得安裝好NLTK：
pip install nltk
然后在Python中導入，并下載常用語料資源：
立即學習“Python免費學習筆記（深入）”；
import nltk nltk.download()
這會彈出一個圖形界面，你可以選擇下載所有內容，或者只選常用包，比如 punkt、averaged_perceptron_tagger 和 wordnet 等。如果你是新手，建議先下載全部資源，避免后續運行時報錯缺少數據。
分詞與詞性標注
自然語言處理的第一步通常是把句子“拆開”，變成一個個單詞或短語，這個過程叫分詞（Tokenization）。
NLTK提供了簡單的方法來做這件事：
from nltk.tokenize import word_tokenize text = "Hello, world! Natural language processing is fun." tokens = word_tokenize(text) print(tokens) # 輸出：['Hello', ',', 'world', '!', 'Natural', 'language', 'processing', 'is', 'fun', '.']
接下來可以做詞性標注（POS Tagging），也就是判斷每個詞是什么類型的詞（名詞、動詞、形容詞等）：
from nltk import pos_tag tagged = pos_tag(tokens) print(tagged) # 輸出示例：[('Hello', 'NNP'), (',', ','), ('world', 'NN'), ...]
這些信息對后續分析語法結構很有幫助。
去除停用詞與詞形還原
實際處理中，我們會去掉一些常見的“無意義”詞，比如“the”、“is”、“and”等，這些叫做停用詞（Stopwords）。
from nltk.corpus import stopwords filtered_words = [word for word in tokens if word.lower() not in stopwords.words('english')] print(filtered_words)
然后我們通常會對詞進行詞形還原（Lemmatization），比如將“running”變為“run”，讓它們統一成一個形式：
from nltk.stem import WordNetLemmatizer lemmatizer = WordNetLemmatizer() lemmatized = [lemmatizer.lemmatize(word) for word in filtered_words] print(lemmatized)
小貼士：lemmatize默認按名詞處理，如果是動詞或其他詞性，要加上參數如 pos=’v’。
實際應用場景舉例
- 情感分析：通過統計積極/消極詞匯來判斷文本情緒。
- 關鍵詞提取：從文章中提取重要名詞或短語。
- 文本分類：比如判斷一封郵件是否為垃圾郵件。
- 實體識別：找出人名、地名、組織名等信息（雖然NLTK這方面不如spaCy強大）。
舉個簡單的例子，你可以寫個小腳本來統計某篇文章中最常出現的關鍵詞：
- 分詞 → 去標點 → 去停用詞 → 詞頻統計 → 排序輸出
基本上就這些了。NLTK作為入門工具足夠使用，雖然在性能和功能上比不上像spaCy、transformers這樣的現代庫，但能幫你打下扎實的基礎。不復雜但容易忽略的是：很多錯誤其實不是代碼問題，而是少下了某個資源包。遇到報錯別慌，先查一下是不是沒下載對應模型。
