当前位置:   article > 正文

python实现文本数据预处理(去停用词、分词、分句等)_python文本停用词去除

python文本停用词去除

如今的大数据时代,互联网信息的实时交流导致产生了许多各种各样的信息,例如我们如果最常见到的信息之一----------评论,通过相关的预处理提取出我们想要的关键信息。具体代码如下

  1. import jieba
  2. import os
  3. # 创建停用词list
  4. def stopwordslist(filepath):
  5. stopwords = [line.strip() for line in open("C:/Users/JayDen/Desktop/stopwords.txt", 'r').readlines()]
  6. return stopwords
  7. def seg_sentence(sentence):
  8. sentence_seged = jieba.cut(sentence.strip())
  9. stopwords = stopwordslist('C:/Users/JayDen/Desktop/stopwords.txt') # 这里加载停用词的路径
  10. outstr = ''
  11. for word in sentence_seged:
  12. if word not in stopwords:
  13. if word != '\t':
  14. outstr += word
  15. outstr += " "
  16. return outstr
  17. filePath = 'C:/Users/JayDen/Desktop/预处理评论数据/'
  18. filelist=os.listdir(filePath)
  19. for i in filelist:
  20. inputs = open('C:/Users/JayDen/Desktop/预处理评论数据/'+i, 'r',encoding="utf-8") #加载要处理的文件的路径
  21. outputs = open('C:/Users/JayDen/Desktop/去停用词及分词操作后数据/(分词及去停用词)'+i, 'w',encoding="utf-8") #加载处理后的文件路径
  22. for line in inputs:
  23. line_seg = seg_sentence(line) # 这里的返回值是字符串
  24. outputs.write(line_seg)
  25. outputs.close()
  26. inputs.close()

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/不正经/article/detail/356706
推荐阅读
相关标签
  

闽ICP备14008679号