# -*- encoding:utf-8 -*-
import re,HTMLParser
import sys
reload(sys)
import os
sys.setdefaultencoding('utf-8')#输出的内容(爬下来的)是utf-8的形式
def file_fill(file_dir): # 得到文本.txt的路径
for root, dirs, files in os.walk(file_dir):
for f in files:
tmp_dir = '.\Reduced_sport' + '\\' + f #
自然语言处理1---文本预处理(删除非文本,非数字字符)
最新推荐文章于 2024-07-19 06:44:11 发布
本文介绍了自然语言处理中的初步步骤——文本预处理,重点讲解如何去除文本中的非文本和非数字字符,以提高后续分析的准确性。通过对文本进行清洗,可以有效地减少噪声数据,为后续的NLP任务打下基础。
摘要由CSDN通过智能技术生成