我很高兴地宣布发布了我的第一个Python包装， englishidioms 。该软件包是一个强大的工具，用于识别句子中的英语习语，短语和短语动词，其数据库为22,209个唯一表达式。
背景：作为个人自然语言处理（NLP）项目的一部分，我发现需要一个能够识别英语句子中惯用表达式的Python软件包。令我惊讶的是，我找不到合适的解决方案，因此我决定从头开始建造一个解决方案。
安装：您可以使用pip轻松安装软件包： pip install englishidioms
如何使用它：
>>> from englishidioms import find_idioms
>>> sentence = "The plan didn't work, but I'll give you an a for effort for trying."
>>> results = find_idioms(sentence, limit=1)
>>> print(results)
[{'phrase': '*an A for effort', 'definition': 'acknowledgement for having tried to do something, even if it was not successful. (*Typically: get ~; give someone ~.) _ The plan didn’t work, but I’ll give you an A for effort for trying.'}]
争论
sentence （str） - 您要分析的英文句子（必需）。limit （int） - 由匹配点（默认值：10）排序的最大结果数。html （bool） - html标记中的返回短语和定义以保留字典中的原始格式（默认值：false）。span （bool） - 句子中的返回匹配跨度（默认：false）。entry_range bool） - 返回字典开始/结束行进行调试（默认：false）。entry_id （bool） - 返回短语中的字典条目ID.json进行调试（默认：false）。它的工作原理（简化）：
该包装是通过在“美国成语和短语动词的麦格劳 - 希尔词典”中解析所有字典条目开发的。通过使用Python库，例如Python-docx和利用预定义的格式，我从每个条目中提取了关键点。这些要点包括：
常数：固定构成惯用表达的核心的单词类别。变量：可以广泛匹配的单词的变量类。可选常数：单个惯用表达式中的其他可选单词或短语。动词：通常在惯用短语之前的动词。
例如，考虑字典条目：
*（对某人） （死）铃声。外观与其他人非常相似。 （*通常：be〜;看起来像〜。）_ _您确定我兄弟的死铃是。 _他不是查克的铃声吗？
对于此条目，我们确定：
通过每个调用“ Find_idioms”方法，搜索算法在22,209个字典条目中检查了这些关键点，并考虑了语法变化和单词顺序，并将它们与给定句子匹配。然后，它返回匹配条目的列表。
表现：
我对本书的40,442个句子进行了测试，并在91％的情况下检测到了正确的匹配词典条目。此外，处理句子的平均执行时间约为3秒。
项目详细信息
该项目分为几个关键步骤：
1。获取数据：
我们首先从“美国成语和短语动词的McGraw-Hill词典”中获取源材料。您可以在此处以PDF格式访问此资源的副本。
接下来，我们将PDF转换为更可用的格式，即DOCX文档，称为“ clean-out-output.docx”。我们将其从两列布局重新格式化为单列文本。请注意，此文档中未讨论此转换过程的技术细节。
2。准备数据：
我们经过一系列十二个步骤来处理并从'clean-out-output.docx'中完善数据，然后将其保存在'pherase.json。每个步骤均由特定的Python模块管理：
在指定顺序中运行这些模块很重要，以创建最终版本的“ phrases.json”，这是来自'clean-out-output.docx的数据的综合数据库。在Windows CMD上，您可以使用此命令顺序运行它们：
python A_breakitup.py && python A_splitrandom.py && python B_breakitup.py && python C_readit.py && python D_readit.py && python E_tidyup.py && python F_tidyup.py && python FF_manualoverride.py && python G_asterisk.py && python H_hyphenated_words.py && python I_getpatterns.py && python J_getwordforms.py && python K_getexamples.py
3。核心功能：
项目的核心是“ l_algorithm.py”模块。它利用“ epers.json”将惯用表达式与英语句子匹配。该模块对于软件包至关重要，可以识别句子中的习语，短语和短语动词。
该项目的核心是位于“ EnglishIdioms”目录中的“ L_ALGORITHM.PY”模块。它利用“ epers.json”将惯用表达式与英语句子匹配。将“ l_algorithm.py”和“ phrases.json”保持在“英语”目录中的双重目的：
缩小的包装尺寸：通过隔离这些核心组件，我们将包装在磁盘空间方面较小。这意味着用户只需要安装基本组件，就可以使软件包更轻巧和高效。
最小化的依赖性：与整个软件包相比，“ l_algorithm.py”和“ phrases.json”组合需要更少的外部依赖项。这简化了最终用户的安装过程，减少了安装其他库和要求的需求，而这些库和要求对于它们的特定用法可能不是必需的。
“英语”目录还包括运行“ l_algorithm.py”所需的三个必要的NLTK资源。
通过采用这种简化的方法，我们确保用户可以快速轻松地访问包装的核心功能，而无需任何不必要的开销。
4。检查和测试：
为了确保“ l_algorithm.py”中的数据质量和搜索算法的有效性，我们使用三个其他模块：
请注意，对于希望使用该软件包的最终用户，仅需要“ l_algorithm.py”和“ phrases.json”。其他模块主要用于开发过程中的数据处理和验证。
如何贡献：
整个项目都是开源的，在GitHub上可用。随时探索代码，改进并为其开发做出贡献。
免责声明：此Python软件包旨在为用户提供访问成语和短语动词的访问，因为它们出现在“美国成语和短语动词”中的“ McGraw-Hill词典”中。请注意，该软件包未经词典的版权持有人McGraw-Hill Companies，Inc。认可或授权。
版权通知： “美国成语和短语动词的麦格劳 - 希尔词典”是版权的材料，其使用符合McGraw-Hill Companies，Inc。的版权术语。此软件包依赖于从个人副本中得出的内容这本书。
预期用途：此Python软件包仅用于教育和研究目的，以及个人非商业用途。它不打算用于商业应用。
用户责任：通过使用此Python软件包，您必须承认您必须遵守版权法和原始工作中概述的使用条款。您只能将此软件包用于个人，非商业目的。任何商业应用程序或本包输出的分发都可能需要出版商McGraw-Hill Companies，Inc。的事先书面同意。强烈鼓励打算定期使用此软件包的用户考虑购买自己的个人副本“美国成语和短语动词的麦格劳 - 希尔词典”，以支持作者并遵守版权法。
支持作者：如果您打算将此包装的内容用于商业目的，我强烈建议您从McGraw-Hill Companies，Inc。获得必要的权限和许可证，以访问一系列的成语和Phrasal动词，请考虑购买您自己的个人副本“美国成语和短语动词的McGraw-Hill词典”。
责任：此Python包的创建者和维护者不得对侵犯版权或滥用包裹的任何责任负责。使用此软件包时，用户负责遵守所有法律和版权要求。
我鼓励对该包的道德和合法使用，尊重版权持有人和作者的权利。请负责任地使用它。
