《Python自然语言处理》第二章 习题解答 练习12

问题描述：CMU发音词典包含某些词的多种发音。它包含多少种不同的词汇？具有多种发音的词汇在这个词典中的比例是多少？

因为nltk.corpus.cmudict.entries()不能用set()方法来去掉重复词，只能进行遍历，然后计数。而多种发音词汇在这个词典中的比例先对每种发音数进行计数，然后除以字典总数。

代码：

import nltk
from __future__ import division

entries = nltk.corpus.cmudict.entries()
ky = entries[0][0]
cnt = 0
for key, pron in entries:  # 不同发音计数
    if ky != key:
        ky = key
        cnt += 1

length = len(entries)  # CMU字典总数
lenSets = [len(pron) for key, pron in entries]  # 多种发音的计数
percentage = []

for i in range(1, max(lenSets) + 1):
    percentage.append(lenSets.count(i) / length * 100)

print cnt
for i in percentage:
    print '%.3f %%' % i  # 格式化输出