如何导入文本文件以适应此聚类算法？

Question

我有900个.txt文件（所有这些都是美国总统的演讲）保存到我的U：/驱动器上的文件夹中。我希望按照此处给出的示例运行一些文档聚类：http://brandonrose.org/clustering。在他的示例中，作者使用nltk中的给定存储库。如何导入我的文本文件以正确运行此算法？

最终，我试图按照他们说话的方式对总统进行分组，因此最好有五六个总统集团以及总统所属的集团名单。

Answer 1

如果您可以使用glob模块获取每个文件名，然后将其内容读入字符串：

import glob

for filename in glob.glob("somefolder/*.txt"):
    with open(filename, 'r') as inputFile:
        filecontent = inputFile.read();

从现在开始，您可以使用变量filename和filecontent来创建对象列表（很可能是词典），然后您可以按照链接的教程进行操作。