本节书摘来自异步社区《Python自然语言处理》一书中的第1章，第1.8节，作者[美]Steven Bird,Ewan Klein,Edward Loper， 陈涛,张旭,崔杨,刘海平 译，更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.8　练习

1．○尝试使用Python解释器作为一个计算器，输入表达式，如12/(4+1)。

2．○26个字母可以组成26的10次方或者26**10个10字母长的字符串。也就是141167095653376L（结尾处的L只是表示这是Python长数字格式）。100个字母长度的字符串可能有多少个？

3．○Python乘法运算可应用于链表。当你输入['Monty', 'Python'] 20或者3 sent1会发生什么？

4．○复习1.1节关于语言计算的内容。在text2中有多少个词？有多少个不同的词？

5．○比较表格1-1中幽默和言情小说的词汇多样性得分，哪一个文体中词汇更丰富？

6．○制作《理智与情感》中4个主角：Elinor、Marianne、Edward和Willoughby的分布图。在这部小说中关于男性和女性所扮演的不同角色，你能观察到什么？你能找出一对夫妻吗？

7．○查找text5中的搭配。

8．○思考下面的Python表达式：len(set(text4))。说明这个表达式的用途，并且描述在执行此计算中涉及的两个步骤。

9．○复习1.2节关于链表和字符串的内容。

　 a．定义一个字符串，并且将它分配给一个变量，如：my_string = 'My String'(在字符串中放一些更有趣的东西）。用两种方法输出这个变量的内容，一种是通过简单地输入变量的名称，然后按回车；另一种是通过使用print语句。

　 b．尝试使用my_string+ my_string或者用它乘以一个数将字符串添加到它自身，例如：my_string* 3。请注意，连接在一起的字符串之间没有空格。怎样才能解决这个问题？

10．○使用语法my_sent = ["My", "sent"]，定义一个词链表变量my_sent（用自己的词或喜欢的话）。

　　a．使用' '.join(my_sent)将其转换成一个字符串。

　　b．使用split()在你指定的地方将字符串分割回链表。

11．○定义几个包含词链表的变量，例如：phrase1、phrase2等。将它们连接在一起组成不同的组合（使用加法运算符），最终形成完整的句子。len(phrase1 + phrase2)与len(phrase1) + len(phrase2) 之间的关系是什么？

12．○考虑下面两个具有相同值的表达式。哪一个在NLP中更常用？为什么？

a．"Monty Python"[6:12]
b．["Monty", "Python"][1]

13．○我们已经学习了如何用词链表表示一个句子，其中每个词是一个字符序列。sent12代表什么意思？为什么？并尝试其他的索引值。

14．○在变量sent3中保存的是text3的第一句话。在sent3中the的索引值是1，因为sent3[1]的值是“the”。sent3中“the”的其他两种出现的索引值是多少？

15．○复习1.4节讨论的条件语句。在聊天语料库（text5）中查找所有以字母b开头的词。按字母顺序显示出来。

16．○在Python解释器提示符下输入表达式range(10)。再尝试range(10, 20), range(10, 20, 2)和range(20, 10, -2)。在后续章节中我们将看到这个内置函数的多种用途。

17．◑使用text9.index()查找词sunset的索引值。你需要将这个词作为一个参数插入到圆括号之间。在尝试和出错的过程中，在完整的句子中找到包含这个词的切片。

18．◑使用链表加法、set和sorted操作，计算句子sent1...sent8的词汇表。

19．◑下面两行之间的差异是什么？哪一个的值比较大？其他文本也是同样情况吗？

>>> sorted(set([w.lower() for w in text1]))
>>> sorted([w.lower() for w in set(text1)]

20．◑w.isupper()和not w.islower()这两个测试之间的差异是什么？

21．◑编写一个切片表达式提取text2中的最后两个词。

22．◑找出聊天语料库（text5）中所有4个字母的词。使用频率分布函数（FreqDist），以频率从高到低显示这些词。

23．◑复习1.4节中的条件循环。使用for和if语句组合循环遍历电影剧本《巨蟒和圣杯》（text6）中的词，输出所有的大写词，每行输出一个。

24．◑编写表达式并找出text6中所有符合下列条件的词。结果应该以词链表形式表示：['word1', 'word2', ...]。

　 a．以ize结尾。

　 b．包含字母z。

　 c．包含字母序列pt。

　 d．除了首字母外是全部小写字母的词（即titlecase）。

25．◑定义sent为词链表['she', 'sells', 'sea', 'shells', 'by', 'the', 'sea', 'shore']。编写代码执行以下任务。

　 a．输出所有sh开头的单词。

　 b．输出所有长度超过4个字符的词。

26．◑下面的Python代码是做什么的？sum([len(w) for w in text1])，你可以用它来算出一个文本的平均字长吗？

27．◑定义一个名为vocab_size(text)的函数，以文本作为唯一的参数，返回文本的词汇量。

28．◑定义一个函数percent(word, text)，计算一个给定的词在文本中出现的频率，结果以百分比表示。

29．◑我们一直在使用集合存储词汇表。试试下面的Python表达式：set(sent3) < set(text1)。尝试在set()中使用不同的参数。它是做什么用的？你能想到一个实际的应用吗？