自己积累的一些问题和解决方法,跟我github上面的一样

提取json文件中的值

import json
import os

li = []  # 数据集列表


def load_data(filepath):
    # 遍历filepath下所有文件,包括子目录,路径的最后要加斜杆
    files = os.listdir(filepath)
    for fi in files:
        fi_d = os.path.join(filepath, fi+'/')
        if os.path.isdir(fi_d):
            load_data(fi_d)
        else:
            li.append(fi_d[:-1])
    return li


load_data('D:/语料识别/语料库/')
print(len(li))

for i in range(0, len(li)):
    # file_path = li[i]
    # (filepath, tempfilename) = os.path.split(file_path)
    # (filename, extension) = os.path.splitext(tempfilename)

    b = 'D:/语料识别/语料库/' + str(i) + '.txt'
    # b = filepath + '/' + filename + '.txt'

    file1 = open(li[i], 'r', encoding='utf-8')
    file2 = open(b, 'w', encoding='utf-8')
    for line in file1:
        a_line = json.loads(line)
        b_line = a_line['answer'] + '\n'
        file2.write(b_line)

    print(b)
    file1.close()
    file2.close()

按固定行数拆分文本

# 将一个大文本文件进行拆分,每10000行一次拆分


file1 = open('D:/语料识别/语料库/new2016zh/news2016zh_train.json', 'r', encoding='utf-8')
lines = file1.readlines()
try:
    for j in range(0, (len(lines)//10000)+1):
        file2 = open('D:/语料识别/语料库/new2016zh/train_' + str(j) + '.json', 'w', encoding='utf-8')
        print(10000 * (j + 1), '/', len(lines))
        for line in lines[10000*j: 10000*(j+1)]:
            file2.write(line)
        file2.close()
finally:
    file1.close()

遍历filepath下所有文件,包括子目录,存在于同一文件夹下的文件即拥有同一标签的数据


                
  • 1
    点赞
  • 8
    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