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 · 7 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 7 年前

DYZ 7 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 7 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 7 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

July · 如何定义数字间隔,然后四舍五入

1 年前

Community wiki · 对象名称前的单下划线和双下划线的含义是什么?

1 年前

Brian Johnson · 为什么在Python中列出字典列表会引发TypeError?[已关闭]

1 年前

user026 · 如何根据特定窗口的平均值(行数)创建新列?

1 年前

Ashok Shrestha · 需要追踪特定的颜色线并获取坐标

1 年前

Nicote Ool · 在FastApi和Vue3中获得422

1 年前

NeoExceptCodeBad · 如果我有很多垂直线,我如何找到它们的边缘?

1 年前

Abdulaziz · 如何对集合内的列表进行排序[重复]

1 年前

user2743931 · 带有src目录的Python setup.py

1 年前

asmgx · 为什么合并数据帧不能按照python中的预期方式工作

1 年前