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

user4660280 · 使用我自己的标记语料库进行NLTK词性标记?

8 年前

Swamy · 如何建立深度学习模型,从几个不同的袋子中挑选单词,形成一个有意义的句子[结束]

8 年前

user9092346 · NLTK-标记后连接专有名词

8 年前

Nice · 如何解决nltk中的NotImplementedError。分类I?

8 年前

ArchivistG · 尝试使用re将3个结果打印到表中

8 年前

AKKA · nltk中Jaccard距离度量的实现。指标。距离与数学定义不一致?

8 年前

Ovaflow · 计算句子中的特定单词

8 年前

Sandy · 使用pandas从字符串生成N-gram

8 年前

Freakant · NLTK。检测句子是否是疑问句?

8 年前

Adeeb Abdul Salam · 如何查找NLTK缺少的资源?[副本]

8 年前