知识卡片

操作参考卡 · 6644.a.11 · 生成模型:未记录

词元跨度保留原文定位

理解等级:中级

span_tokenize返回原字符串的左闭右开字符区间(start,end),可用text[start:end]回取词元。spans_to_relative把它改为(距上一词元末尾的间隔,本词元长度),不是新的绝对起止坐标。下游标注和高亮需要保留同一原文版本;删除标点或改变大小写长度后,旧偏移不一定仍可用。空字符串分隔的string_span_tokenize例同样不能直接照用。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第1章 字符串操作,spine055单元007;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00054.html。 - 结论依据:原文两组跨度列表和官方left-prev/right-left实现支撑绝对区间与相对间距长度的区别。2026-11-06核对官方资料:https://www.nltk.org/_modules/nltk/tokenize/util.html。未在本机运行示例或改变环境。 - 原始内容:okenize.util import spans_to_relative >>> sent=" She secured 90.56 % in class X \n. She is a meritorious student\n" >>>lis