怎样用Python统计原文句子总数?怎样解决NLTK调用缺少punkt文件的问题？

欢迎大家跟我一起学习基于Python的语言处理方法，我会不间断地提供Python处理中英文语言、翻译文本、语言学研究应用方面的理论、方法和代码。

如果你从来没有接触过Python，没关系，按照我之前的说明，把Anaconda安装好（学习安装，点击这里），然后打开JupyterNotebook，把我每次提供的代码复制、粘贴过去，尝试运行、尝试理解、尝试修改，逐渐就学会了！在任务中学习，事半功倍！

一、怎样用Python统计原文句子总数?

指导翻译硕士论文，学生需要统计原文总共有多少句，以便后续做译文错误分析时，可以算出句均错译率。人工数句子肯定是既费力，又容易出错的。还是用机器数数方便。以下奉上Python基于NLTK (Natural Language Toolkit)所作的句子统计方法。

首先，定义一下什么是句子。两个标准：1）NLTK的句子分割标准。目测可能是：首字母大写，结尾为句号、问号、叹号等句子结束符号的语言单位；2）除了NLTK的句子标准，我们根据需要把标题或未结句的换行（但有相对独立意义，如以冒号结尾的行，然后另起一段解释冒号行的内容）也视为句子。

接着，上Python代码（代码是在JupyterNotebook中写和运行的）：

运行结果如下：

二、怎样解决NLTK调用时缺少punkt文件的问题？

刚开始运行以上代码时，程序报错：缺少NLTK的punkt文件，如下：

按报错中的说明，尝试解决问题失败，如下：

失败原因：使用nltk工具包时，需要的文件往往无法通过nltk.download('xxx')下载成功。

解决办法：我们可以从官网http://www.nltk.org/nltk_data/下载需要的文件。

打开网站 http://www.nltk.org/nltk_data/，找到punkt文件，点击download下载，如下：

下载成功后，在 C:\Users\xxx\AppData\Roaming 路径下创建新文件夹，命名为 nltk_data，在nltk_data下再创建新文件夹 tokenizers，将punkt.zip 解压到tokenizers 下。

AppData文件一般是隐藏的，要依次点击：C盘--用户--你电脑的个人用户名(每人各不相同，如我的用户名为lyu)--点击最上方的“查看”--勾选“隐藏的项目”，即可找到AppData文件夹，打开后可以看到Roaming文件夹（如果你的电脑系统老旧，可以自行百度学习“怎样找到电脑中的隐藏文件”），如图：

在Roaming下创建新文件夹nltk_data，在nltk_data下再创建新文件夹 tokenizers，将punkt.zip 解压到tokenizers 下，效果如下图：

然后，再次运行本文最开始提供的代码，顺利搞定！

（如果程序报错提示，没有NLTK包，可以使用pip install nltk命令安装即可）