代码之家 › 专栏 › 技术社区 › Giacomo Ciampoli

删除停止词和字符串。标点符号

punctuation nltk python

Giacomo Ciampoli · 技术社区 · 9 年前

import nltk
from nltk.corpus import stopwords
import string

with open('moby.txt', 'r') as f:
    moby_raw = f.read()
    stop = set(stopwords.words('english'))
    moby_tokens = nltk.word_tokenize(moby_raw)
    text_no_stop_words_punct = [t for t in moby_tokens if t not in stop or t not in string.punctuation]

    print(text_no_stop_words_punct)

从输出来看,我有:

[...';', 'surging', 'from', 'side', 'to', 'side', ';', 'spasmodically', 'dilating', 'and', 'contracting',...]

3 回复 | 直到 9 年前

DYZ 9 年前

一定是这样 and 不 or :

if t not in stop and t not in string.punctuation

if not (t in stop or t in string.punctuation):

all_stops = stop | set(string.punctuation)
if t not in all_stops:

vielkind 9 年前

text_no_stop_words = [t for t in moby_tokens if t not in stop or t not in string.punctuation]

Caleb Gates 9 年前

你需要使用 and 不 or 在你的比较中。 stop 那么python不会检查它是否在 string.punctuation .

text_no_stop_words_punct = [t for t in moby_tokens if t not in stop and t not in string.punctuation]

推荐文章

Google User · Django管理员在`list_display中未显示`creation_date`字段`

1 年前

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

1 年前

ÎÎÎ½Î· ÎÎ®Î¹Î½Î¿Ï · Python lxml.html语法错误:使用lxml find时XPATH的谓词无效

1 年前

user29715306 · from_users=和chats=电视节目中的差异

1 年前

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

1 年前

RASEL MAHMUD · 为什么以及如何在is_even()函数内的IF条件中递归X变量在满足0后递增?[副本]

1 年前

prayner · 更新嵌套字典包含列表中的项

1 年前

Bringo Jr · 我可以在O(n)中解决这个问题吗?

1 年前

Dave · 如何在for循环中修改列表值

1 年前

Shukurullox Komiljonov · 从记录中获得相互和解。使用SQL

1 年前