python利用nltk工具,数文件夹中所有文本文件的频率最高的单词

本文介绍如何利用Python的nltk库来统计文件夹中所有文本文件的高频单词,展示了一个样例,并提及了glob包在导入所有文件中的作用。
摘要由CSDN通过智能技术生成


Life is tooooo short , you need python.

    这两天看了下nltk(Natural Language Processing Toolkit)工具包,在感受着其强大功能的时。An idea comming ,既然这是一个工具,那能不能真正的用起来了。那么前段时间看到晚上一些关于统计字符的样题,不是可以完美匹配嘛。

下面是一个小样例:

from nltk import *
import glob
files = glob.glob("/Users/thunder/Desktop/show-me-the-code/0006/*.txt")
for file in files:
    print(file)
    with open(file, "r", encoding="GB18030") as f:
        str = f.read()                    #读出的文本 是字符串
        sents_list = sent_tokenize(str)   #sent_tokenize() 将一段文字 分句,列表存储 sentence
        #print(sents)
  
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值