歡迎大家跟我一起學習基于Python的語言處理方法，我會不間斷地提供Python處理中英文語言、翻譯文本、語言學研究應用方面的理論、方法和代碼。

如果你從來沒有接觸過Python，沒關(guān)系，按照我之前的說明，把Anaconda安裝好（學習安裝，點擊這里），然后打開JupyterNotebook，把我每次提供的代碼復制、粘貼過去，嘗試運行、嘗試理解、嘗試修改，逐漸就學會了！在任務中學習，事半功倍！

一、怎樣用Python統(tǒng)計原文句子總數(shù)?

指導翻譯碩士論文，學生需要統(tǒng)計原文總共有多少句，以便后續(xù)做譯文錯誤分析時，可以算出句均錯譯率。人工數(shù)句子肯定是既費力，又容易出錯的。還是用機器數(shù)數(shù)方便。以下奉上Python基于NLTK (Natural Language Toolkit)所作的句子統(tǒng)計方法。

首先，定義一下什么是句子。兩個標準：1）NLTK的句子分割標準。目測可能是：首字母大寫，結(jié)尾為句號、問號、嘆號等句子結(jié)束符號的語言單位；2）除了NLTK的句子標準，我們根據(jù)需要把標題或未結(jié)句的換行（但有相對獨立意義，如以冒號結(jié)尾的行，然后另起一段解釋冒號行的內(nèi)容）也視為句子。

接著，上Python代碼（代碼是在JupyterNotebook中寫和運行的）：

運行結(jié)果如下：

二、怎樣解決NLTK調(diào)用時缺少punkt文件的問題？

剛開始運行以上代碼時，程序報錯：缺少NLTK的punkt文件，如下：

按報錯中的說明，嘗試解決問題失敗，如下：

失敗原因：使用nltk工具包時，需要的文件往往無法通過nltk.download('xxx')下載成功。

解決辦法：我們可以從官網(wǎng)http://www.nltk.org/nltk_data/下載需要的文件。

打開網(wǎng)站 http://www.nltk.org/nltk_data/，找到punkt文件，點擊download下載，如下：

下載成功后，在 C:\Users\xxx\AppData\Roaming 路徑下創(chuàng)建新文件夾，命名為 nltk_data，在nltk_data下再創(chuàng)建新文件夾 tokenizers，將punkt.zip 解壓到tokenizers 下。

AppData文件一般是隱藏的，要依次點擊：C盤--用戶--你電腦的個人用戶名(每人各不相同，如我的用戶名為lyu)--點擊最上方的“查看”--勾選“隱藏的項目”，即可找到AppData文件夾，打開后可以看到Roaming文件夾（如果你的電腦系統(tǒng)老舊，可以自行百度學習“怎樣找到電腦中的隱藏文件”），如圖：

在Roaming下創(chuàng)建新文件夾nltk_data，在nltk_data下再創(chuàng)建新文件夾 tokenizers，將punkt.zip 解壓到tokenizers 下，效果如下圖：

然后，再次運行本文最開始提供的代碼，順利搞定！

（如果程序報錯提示，沒有NLTK包，可以使用pip install nltk命令安裝即可）