NLTK提取全文词干

NLTK提取全文词干,首先读入整个文件的内容,然后切分句子和单词,最后提取每个单词的词干。Python 2.x 代码如下所示:

import nltk


	
class My_Tokenizer():

	def __init__(self):	
		with open(infile_path, 'r') as myfile:
			content = myfile.read()
		sentences = [nltk.word_tokenize(sent) for sent in sentences]
		   
		for sent in sentences:
			# Lancaster
			lwords = [lancaster.stem(t) for t in sent]
			print lwords
		
tokenizer = My_Tokenizer()


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