对含有中英文的文本去除停用词 结巴分词

对含有中英文的文本去除停用词 分词
这里的停用词表可以自己定义或者采用网上的
是文本分类 情感分析进行预处理的步骤

from collections import Counter
import jieba

**# jieba.load_userdict('userdict.txt')
**# 创建停用词list****
def stopwordslist(filepath):
    stopwords = [line.strip() for line in open(filepath, 'r').readlines()]
    return stopwords

#对句子分词
def seg_sentence(sentence):
    sentence_seged = jieba.cut(sentence.strip())#jieba分词对象
    stopwords = stopwordslist('E:\\pythonimg\\stopword.txt')  # 这里加载停用词的路径  这里可以再加自定义的停用词
    outstr = ''
    for word in sentence_seged:
        if word not in stopwords:
            if word != '\t':
                outstr += word
                outstr += " "
    return outstr


inputs = open('E:\\pythonimg\\comment.txt', 'r',encoding='utf-8')  # 加载要处理的文件的路径
outputs = open('E:\\pythonimg\\已去除停用词.txt', 'w',encoding='utf-8')  # 加载处理后的文件路径
for line in inputs:
    line_seg = seg_sentence(line)  # 这里的返回值是字符串
    outputs.write(line_seg)
outputs.close()
inputs.close()
#wordcount
with open('E:\\pythonimg\\已去除停用词.txt', 'r',encoding='utf-8') as fr:  # 读入已经去除停用词的文件  加载处理后的文件路径
    data = jieba.cut(fr.read())
data = dict(Counter(data))

测试实例