NLTK模块的一个更强大的方面是，它可以为你做词性标注。 意思是把一个句子中的单词标注为名词，形容词，动词等。 更令人印象深刻的是，它也可以按照时态来标记，以及其他。 这是一列标签，它们的含义和一些例子：
POS tag list:
| CC | coordinating conjunction |
|---|---|
| CD | cardinal digit |
| DT | determiner |
| EX | existential there (like: "there is" ... think of it like "there exists") |
| FW | foreign word |
| IN | preposition/subordinating conjunction |
| JJ | adjective 'big' |
| JJR | adjective, comparative 'bigger' |
| JJS | adjective, superlative 'biggest' |
| LS | list marker 1) |
| MD | modal could, will |
| NN | noun, singular 'desk' |
| NNS | noun plural 'desks' |
| NNP | proper noun, singular 'Harrison' |
| NNPS | proper noun, plural 'Americans' |
| PDT | predeterminer 'all the kids' |
| POS | possessive ending parent's |
| PRP | personal pronoun I, he, she |
| PRP＄ | possessive pronoun my, his, hers |
| RB | adverb very, silently, |
| RBR | adverb, comparative better |
| RBS | adverb, superlative best |
| RP | particle give up |
| TO | to go 'to' the store. |
| UH | interjection errrrrrrrm |
| VB | verb, base form take |
| VBD | verb, past tense took |
| VBG | verb, gerund/present participle taking |
| VBN | verb, past participle taken |
| VBP | verb, sing. present, non-3d take |
| VBZ | verb, 3rd person sing. present takes |
| WDT | wh-determiner which |
| WP | wh-pronoun who, what |
| WP＄ | possessive wh-pronoun whose |
| WRB | wh-abverb where, when |
我们如何使用这个？ 当我们处理它的时候，我们要讲解一个新的句子标记器，叫做PunktSentenceTokenizer。 这个标记器能够无监督地进行机器学习，所以你可以在你使用的任何文本上进行实际的训练。 首先，让我们获取一些我们打算使用的导入：
In [1]:
import nltk
from nltk.corpus import state_union
from nltk.tokenize import PunktSentenceTokenizer
from nltk import data
data.path.append("/data/nltk_data/packages")
现在让我们创建训练和测试数据，使用state_union语料库阅读器：
In [2]:
train_text = state_union.raw("2005-GWBush.txt")
sample_text = state_union.raw("2006-GWBush.txt")
一个是 2005 年以来的国情咨文演说，另一个是 2006 年以来的乔治·W·布什总统的演讲。
接下来，我们可以训练 Punkt 标记器，如下所示：
In [3]:
custom_sent_tokenizer = PunktSentenceTokenizer(train_text)
之后我们可以实际分词，使用：
In [4]:
tokenized = custom_sent_tokenizer.tokenize(sample_text)
现在我们可以通过创建一个函数，来完成这个词性标注脚本，该函数将遍历并标记每个句子的词性，如下所示：
In [5]:
def process_content():
try:
for i in tokenized[:5]:
words = nltk.word_tokenize(i)
tagged = nltk.pos_tag(words)
print(tagged)
except Exception as e:
print(str(e))
process_content()
unsupported operand type(s) for +: 'ZipFilePathPointer' and 'str'
输出应该是元组列表，元组中的第一个元素是单词，第二个元素是词性标签。
到了这里，我们可以开始获得含义，但是还有一些工作要做。 我们将要讨论的下一个话题是分块（chunking），其中我们跟句单词的词性，将单词分到，有意义的分组中。