Python语料预处理操作,并保存中间结果

doc1.txt

原始语料:

在这里插入图片描述

doc2.txt

预处理后:

在这里插入图片描述

doc3.txt

结果为:

在这里插入图片描述


代码为:

import re
def yuchuli():

    filename = './中间结果/doc1.txt'
    f = open(filename, 'r', encoding='utf-8')
    context = f.read()

    pattern = ",|\\.|\\?|!|:|;|~|,|:|。|!|;|?| "
    sentence = [i.replace('\n', '##').strip() for i in re.split(pattern, context)]

    g = open('./中间结果/doc2.txt', 'w', encoding='utf-8')

    for word in sentence:
        a = str(word)
        a = a.replace('##', '\r\n')
        print(a, file=g)

    f.close()
    g.close()

    k = open('./中间结果/doc2.txt', 'r', encoding='utf-8')
    out = open('./中间结果/doc3.txt', 'w', encoding='utf-8')

    for eachline in k.readlines():
        if len(eachline) > 5:
            out.writelines(eachline)
    k.close()
    out.close()
    

yuchuli()
  • 0
    点赞
  • 1
    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