9 练习

9 练习

◑ 在5.1中新字段出现在条目底部。修改这个程序使它就在lx字段后面插入新的子元素。（提示：使用Element('cv')创建新的cv字段，分配给它一个文本值，然后使用父元素的insert()方法。）
◑ 编写一个函数，从一个词汇条目删除指定的字段。（我们可以在把数据给别人之前用它做些清洁，如删除包含无关或不确定的内容的字段。）
◑ 写一个程序，扫描一个 HTML 字典文件，找出具有非法词性字段的条目，并报告每个条目的 核心词 。
◑ 写一个程序，找出所有出现少于 10 次的词性（ps字段）。或许有打字错误？
◑ We saw a method for discovering cases of whole-word reduplication. Write a function to find words that may contain partial reduplication. Use the re.search() method, and the following regular expression: (..+)\1
◑ 我们看到一个增加cv字段的方法。一件有趣的问题是当有人修改的lx字段的内容时，保持这个字段始终最新。为这个程序写一个版本，添加cv字段，取代所有现有的cv字段。
◑ 写一个函数，添加一个新的字段syl，计数一个词中的音节数。
◑ 写一个函数，显示一个词位的完整条目。当词位拼写错误时，它应该显示拼写最相似的词位的条目。
◑ 写一个函数，从一个词典中找出最频繁的连续字段对（如ps后面往往是pt）。（这可以帮助我们发现一些词条的结构。）
◑ 使用办公软件创建一个电子表格，每行包含一个词条，包括一个中心词，词性和注释。以 CSV 格式保存电子表格。写 Python 代码来读取 CSV 文件并以 Toolbox 格式输出，使用lx表示中心词，ps表示词性，gl表示注释。
◑ 在nltk.Index帮助下，索引莎士比亚的戏剧中的词。产生的数据结构允许按单个词查找，如 music，返回演出、场景和台词的引用的列表，[(3, 2, 9), (5, 1, 23), ...]的形式，其中(3, 2, 9)表示第 3 场演出场景 2 台词 9。
◑ 构建一个条件频率分布记录《威尼斯商人》中每段台词的词长，以角色名字为条件，如cfd['PORTIA'][12]会给我们 Portia 的 12 个词的台词的数目。
★ 获取 CSV 格式的比较词表，写一个程序，输出相互之间至少有三个编辑距离的同源词。
★ 建立一个出现在例句的词位的索引。假设对于一个给定条目的词位是 w。然后为这个条目添加一个单独的交叉引用字段xrf，引用其它有例句包含 w 的条目的中心词。对所有条目做这个，结果保存为 Toolbox 格式文件。

◑ 写一个递归函数将任意树转换为对应的 XML，其中非终结符不能表示成 XML 元素，叶子表示文本内容，如:

&lt;S&gt;
 &lt;NP type="SBJ"&gt;
   &lt;NP&gt;
     &lt;NNP&gt;Pierre&lt;/NNP&gt;
     &lt;NNP&gt;Vinken&lt;/NNP&gt;
   &lt;/NP&gt;
   &lt;COMMA&gt;,&lt;/COMMA&gt;