我正在使用 PorterStemmer 的 Python 版本
Porter 词干提取算法（或称‘Porter 词干器’）是一种用于从英语单词中移除常见的形态和屈折词尾的过程。其主要用途是在设置信息检索系统时，作为术语标准化过程的一部分。
对于以下内容…
你需要做的另一件事是将每个单词简化为其词干。例如，单词
sing、sings、singing都有相同的词干，即sing。有一种被广泛接受的方法来做到这一点，称为 Porter 算法。你可以从 http://tartarus.org/martin/PorterStemmer/ 下载实现它的工具。
我已经修改了代码…
if __name__ == '__main__': p = PorterStemmer() if len(sys.argv) > 1: for f in sys.argv[1:]: infile = open(f, 'r') while 1: output = '' word = '' line = infile.readline() if line == '': break for c in line: if c.isalpha(): word += c.lower() else: if word: output += p.stem(word, 0,len(word)-1) word = '' output += c.lower() print output, infile.close()以便从 input 读取而不是从预处理的字符串文件中读取，并返回输出。
def algorithm(input): p = PorterStemmer() while 1: output = '' word = '' if input == '': break for c in input: if c.isalpha(): word += c.lower() else: if word: output += p.stem(word, 0,len(word)-1) word = '' output += c.lower() return output请注意，如果我将 return output 缩进到与 while 1: 相同的级别，它会变成一个 无限循环。
使用示例
import PorterStemmer as psps.algorithm("Michael is Singing");输出
Michael is
预期输出
Michael is Sing
我做错了什么？
回答：
看起来问题出在它目前没有将输入的最后部分写入 output（例如，尝试 “Michael is Singing stuff”，它应该正确写入所有内容并省略 ‘stuff’）。可能有更优雅的方法来处理这个问题，但你可以尝试在 for 循环中添加一个 else 子句。由于问题在于最后一个单词没有被包含在 output 中，我们可以使用 else 来确保在 for 循环完成时添加最后一个单词：
def algorithm(input): print input p = PorterStemmer() while 1: output = '' word = '' if input == '': break for c in input: if c.isalpha(): word += c.lower() elif word: output += p.stem(word, 0,len(word)-1) word = '' output += c.lower() else: output += p.stem(word, 0, len(word)-1) print output return output这个版本已经通过两个测试用例进行了广泛测试，所以显然它是无懈可击的 🙂 可能还有一些边缘情况存在，但希望这能帮你起步。
