這些對象均來自nltk.tokenize庫
1. word_tokenize
導入nltk的tokenize庫后，tokens = nltk.word_tokenize(sentence)語句進行分詞操作，sentence為待處理的字符串。返回一個列表。
該方法要求被處理的字符串本身各個詞語之間有空格，能處理如don't, they'll等縮寫詞的情況。
2. TweetTokenizer
Twitter-aware，按空格進行分詞，同時針對推文一些特性，去除@用戶名，保留表情等一些特殊符號。
分兩種：
（1）不帶參數token＝TweetTokenizer().tokenize(sentence)處理。
輸入"This is a coooool #dummysmiley: :-) :-P <3 and some arrows < > -> <--"
輸出['This', 'is', 'a', 'cooool', '#dummysmiley', ':', ':-)', ':-P', '<3', 'and', 'some', 'arrows', '<', '>', '->', '<--']能夠拆分無效用的標點符號。
（2）帶參數token = TweetTokenizer(strip_handles=True, reduce_len = True).
輸入@remy: This is waaaaayyyy too much for you!!!!!!
輸出[':', 'This', 'is', 'waaayyy', 'too', 'much', 'for', 'you', '!', '!', '!']
當一個詞中相同字符連續出現3次以上，就只保留3個。設置strip_handles = True會刪去@xxx。
3. MWETokenizer
tokenizer = MWETokenizer([('a', 'little'), ('a', 'little', 'bit'), ('a', 'lot')])
輸入tokenizer.tokenize('In a litte or a litte bit or a lot in spite of'.split()); tokenizer.add_mwe(('in', 'spite', 'of'))
輸出['In', 'a_little', 'or', 'a_little_bit', 'or', 'a_lot', 'in_spite_of']
該方法可對已經先保留的一些短語，或者組合，進行重組（對一些專有詞可以先進行保留，如F-16，最后重組已保留-）。
4. RegexpTokenizer
使用到正則表達式進行分詞,如對一些金錢表示或者其他非空白序列。
tokenizer = RegexpTokenizer('\w+|\$[\d\.]+|\S+')
輸入"Good muffins cost $3.88\n in New York. Please buy me\n two of them.\n\n Thanks."
輸出['Good', 'muffins', 'cost', '$3.88', 'in', 'New', 'York', '.', 'Please', 'buy', 'me', 'two', 'of', 'them', '.', 'Thanks', '.']
5. StanfordTokenizer
按空格進行分詞，對於$4.28之類的，將符號與數字分開。
輸入“Good muffins cost $3.88\n in New York. Please buy me\n two of them.\n Thanks."
輸出['Good', 'muffins', 'cost', '$', '3.88', 'in', 'New', 'York', '.', 'Please', 'buy', 'me', 'two', 'of', 'them', '.', 'Thanks', '.']