python文本分词及去除停用词

对于文本分词,此处使用的是python自带的jieba包进行,首先我们要先读取我们所需要分词的文章,然后使用jieba.cut进行分词,注意分词时要将这些段落归并成同一个字符串,然后输出的是一个列表。最后写入一个文件中

import jieba.analyse
test1 =""
fencilist=[]
with open(r"testtxt",'r',encoding="UTF-8") as test:
    for line in test:
        line.strip()
        test1+=line
fencilist=jieba.cut(test1)
fencilist=list(set(fencilist))
with open(r"fenciescult",'w',encoding="UTF-8") as f:
    for i in fencilist:
        f.write(i+'\n')

在去除停用词时,我们可以将停用词进行提取,并存放在一个列表中,然后将分好的词存放在一个列表中,用for循环进行一个一个判断是否在停用词库中,如果不在,就存放在一个新的列表中,得到最终结果。

stopwordlist=[]
fencilist=[]
resultlist=[]

with open(r"stopwords",'r',encoding="UTF-8") as f:
    for i in f:
        stopwordlist.append(i)
with open(r"fenciescult",'r',encoding="UTF-8") as test:
    for line in test:
        fencilist.append(line.strip())
for i in fencilist:
    if(i not in stopwordlist):
        resultlist.append(i)
with open(r"result",'w',encoding="UTF-8") as xx:
    for x in resultlist:
        xx.write(x+'\n')

  • 8
    点赞
  • 77
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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