Natural Language Processing with Python - Chapter 0
一年之前，我做梦也想不到会来这里写技术总结。误打误撞来到了上海西南某高校，成为了文科专业的工科男，现在每天除了膜ha，就是恶补CS。导师是做计算语言学的，所以当务之急就是先自学计算机自然语言处理，打好底子准备做科研（认真脸）。
进入正题，从图书馆找了本”Natural ;Language ;Processing ;with ;Python ;（影印版），书长这个样子，作者是Steven ;Bird, ;Ewan ;Klein和Edward ;Loper。粘贴个豆瓣链接供参考：https://book.douban.com/subject/5336893/
对于本书，读者大多将其定义为：NLTK的工具书（再加个”入门级的定语或许更佳恰当），理论性还有待深入。但是对于小白来讲先刷一遍再说，简单、粗暴、实用、能迅速上手才是王道！
顺便再说一下为什么要选Python，其实对于小白来讲，与其浪费时间去纠结学什么编程语言，不如花时间去多敲几行代码。Python语言本身好不好小白我没资格评价，但是这里必须要说一句Python有很多功能强大的第三方工具包(package)，这些工具包是解决具体学科具体问题的利器！比如在自然语言处理方面，NLTK(Natural ;Language ;Toolkit)功能及其强大。
好了，这次终于能进入正题了。Chapter ;0可以视为学习前的准备工作，正所谓”工欲善其事，必先利其器。
; ;<div>IDE: ;PyCharm
; ;<div>IDE我选了PyCharm，据说很好用。下载及安装方法如下：
; ;<div>1.Python官网下载Python，打开terminal，输入python显示版本信息
; ;<div>2.下载Python开发的IDE ;PyCharm，Professional版的激活码可以求助度娘
; ;<div>关于Python文件编码声明
; ;<div>1.位置：必须放在python文件的第一行或第二行
; ;<div>2.格式：a. ;带等于号的
; ;<div>
#coding=<encoding name>; ;
; ; ; ; ; b. ;带冒号的，最常见，大多数编辑器都可以识别 ; ; ; ; ; ; ;
; ;<div>
#!/usr/bin/python # -*- coding: <encoding name> -*-; ;
; ;<div> ; ; ; ; ; c. ;vim的：
; ;<div>
#!/usr/bin/python # vim: set fileencoding=<encoding name>; ;
; ;<div>3.作用：告诉python ;interpreter如何解释字符串的编码
; ;<div> ; ; ; ; ; 如果没有文件编码类型声明，则python默认以ASCII编码去处理。
; ;<div> ; ; ; ; ; 如果没有声明代码，但是文件中又包含非ASCII编码的字符的话，python解释器去解释python文件自然会报错。
; ;<div>4.例子：第一行说明脚本语言是python的；第二行用来指定文件编码为utf-8的 ;。 ;
; ;<div>
#!/usr/bin/python # -*- coding: utf-8 -*-; ;
; ;<div>5.注意：单个python源码文件中只允许用单一的编码，不允许嵌入多种编码，否则会报错！！！
; ;<div>6.Python分词器＋编译器工作逻辑：
; ;<div> ; ; ; ; ; ;a. ;读取文件
; ;<div> ; ; ; ; ; ;b. ;不同的文件，根据其声明的编码去解析为Unicode
; ;<div> ; ; ; ; ; ;c. ;转换为UTF-8字符串
; ;<div> ; ; ; ; ; ;d. ;针对UTF-8字符串去分词
; ;<div> ; ; ; ; ; ;e. ;编译之，创建Unicode对象
; ;<div>7.UTF-8: ;8-bit ;Unicode ;Transformation ;Format，是一种针对Unicode的可变长度字符编码，又称万国码。
; ;<div> ; ; ; ; ; ; 总之，要想让Python程序支持中文，就需要在Python源文件开头加上这样一段编码声明。
; ;<div>My ;First ;Python ;Program ;- ;Hello ;World!
; ;<div>1.File ;--> ;New ;Project ;--> ;选择Project的保存路径（个人感觉很像R语言中working ;directory的设定）
; ;<div>2.右键刚刚建好的project ;--> ;New ;--> ;Python ;File ;--> ;给File命个名（个人感觉这就是脚本文件，类似于R语言中的script）
; ;<div>
; ;<div>3.敲入文件编码声明（其实并不必要，因为我们输入英文"Hello ;World!"，而不是中文）
; ;<div>4.Hello ;World
; ;<div>
print ("Hello World!") ; ;; ;<div>5.这时会发现运行及调试按钮（绿色三角形）是灰色的，因为我们还没有设置控制台。
; ; ; ;<div>python设置控制台
; ;<div>1.点击运行旁边的黑色倒三角，进入Run/Debug ;Configurations配置界面（或者Run ;—> ;Edit ;Configurations）
; ;<div>2.点击绿色加号，新建一个配置项，并选择python（因为是用源代码是python程序）
; ;<div>3.配置界面里Name一栏写一个名字，点击Script选项，找到刚才写的 ;.py ;文件
; ;<div>4.点击OK，自动返回编辑界面，这时运行及调试按钮全部变绿
; ;<div>5.点击运行，观看输出结果
; ;<div>Installing ;Packages ;in ;PyCharm ;- ;Mac
; ;<div>1.Pycharm ;—> ;preference ;—> ;project ;interpreter
; ;<div>2. ;+ ; for ;adding ;packages
; ;<div> ; ;- ; ;for ;deleting ;packages
; ;<div> ; ;-> ;for ;updating ;packages
; ;<div>
; ;<div>NLTK ;(Natural ;Language ;Toolkit)
; ;<div>通过输入以下代码，调用NLTK这个包，然后下载我们所需的data ;sets（实际上就是书中所用的语料）
; ;<div>
import nltk nltk.download(); ;
; ;<div>Run ;and ;you ;will ;get ;to ;the ;NLTK ;Downloader
; ;<div>The ;Collections ;tab ;on ;the ;downloader ;shows ;how ;the ;packages ;are ;grouped ;into ;sets, ;and ;you ;should ;select ;the ;line ;labeled ;book ;to ;obtain ;all ;data ;required ;for ;the ;examples ;and ;exercises ;in ;this ;book.
; ;<div>
; ;<div>我表示下载速度让人捉鸡，虽然MIT ;(Minhang ;Institute ;of ;Technology，译作：闵行男子职业技术学院)的网速相当快，而且不用交网费！！！
; ;<div>吃饭前，还是要膜一下！遛了。