如果你手上有多个停用词表,一个不够,多个又重了怎么办?
当然是直接利用python进行去重,将多个停用词表里面的内容集中在一个txt文件里面之后:
利用如下代码进行去重清理:
def stopwd_reduction(infilepath, outfilepath):
infile = open(infilepath, 'r', encoding='utf-8')
outfile = open(outfilepath, 'w',encoding='utf-8')
stopwordslist = []
for str in infile.read().split('\n'):
if str not in stopwordslist:
stopwordslist.append(str)
outfile.write(str + '\n')
stopwd_reduction(r'D:\停用词.txt', r'D:\停用词新.txt')
#此处前者代表综合之后的源停用词文件路径,后者代表去重之后的停用词表存放路径
#此处的r代表绝对路径,r'D:\停用词.txt'等效于'D:/停用词.txt'等效于'D:\\停用词.txt'
即可完成清理操作。