如何在斯坦福大学的Stanza（StanfordNLP）中加载文档而不是字符串？

Question

我正在使用斯坦福的Stanza，但找不到有关如何加载文档而不是字符串的文档。

例如，对于一个字符串，它的工作方式如下：

nlp_pos = stanza.Pipeline('it',processors='tokenize,mwt,pos,lemma,depparse')
doc = nlp_pos("hello how are you")

对于文档，我认为应该是这样：

nlp_pos = stanza.Pipeline('it',processors='tokenize,mwt,pos,lemma,depparse')
filename = "example.txt"
with open(filename, 'r') as f:
doc = f.read()

但是它不起作用。什么是替代品？

Answer 1

这里是一个示例，从Stanza文档中略作改编。我创建了一个文件句柄，并传递给doc = nlp（....）。警告：我不是在写原始文件（Stanza_No_Tags.txt），而是在写新文件（Stanza_Tokenized.txt）。 YMMV。

nlp = stanza.Pipeline(lang='zh', processors='tokenize')
Stanza_doc_open = open('Stanza_No_Tags.txt', 'r').read()

doc = nlp(Stanza_doc_open)
for i, sentence in doc.sentences:
    print(f'====== Sentence {i+1} =======', file=open('Stanza_Tokenized.txt', 'a'))