NLTK文本整理和清洗示例代码

本文详细介绍了如何利用Python的自然语言处理库NLTK对文本数据进行整理和清洗,包括分词、去除停用词、词干提取等步骤,旨在提升文本分析的效果和效率。
摘要由CSDN通过智能技术生成
# csv load
import nltk


import csv
import json
from nltk.tokenize import sent_tokenize
from nltk.tokenize import word_tokenize
from nltk.tokenize import regexp_tokenize
from nltk.tokenize import blankline_tokenize
from nltk.tokenize import wordpunct_tokenize
from nltk.stem import PorterStemmer  # import Porter stemmer
from nltk.stem.lancaster import LancasterStemmer
from nltk.stem import WordNetLemmatizer
from nltk.corpus import stopwords
import urllib.request as urllib
from bs4 import BeautifulSoup
from nltk.metrics import edit_distance

# nltk.download('punkt')
nltk.download()
# csv load
with open('600000.csv', 'r') as f:
    reader = csv.reader(f, delimiter=',', quotechar='"')
#     for line in reader :
#        print(line[1] )  # assuming the second field is the raw sting

    rows = [row for row in reader]
    print(rows)

# json load
jsonfile = open('example.json
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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