我一直收到此错误
sub
return _compile(pattern, flags).sub(repl, string, count)
TypeError: expected string or buffer
当我尝试运行此脚本时。不确定有什么问题。我基本上是从文本文件中读取,过滤掉停用词并使用NLTK对它们进行标记。
import nltk
from nltk.collocations import *
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
stopset = set(stopwords.words('english'))
bigram_measures = nltk.collocations.BigramAssocMeasures()
trigram_measures = nltk.collocations.TrigramAssocMeasures()
text_file=open('sentiment_test.txt', 'r')
lines=text_file.readlines()
filtered_words = [w for w in lines if not w in stopwords.words('english')]
print filtered_words
tokens=word_tokenize(str(filtered_words)
print tokens
finder = BigramCollocationFinder.from_words(tokens)
非常感谢任何帮助。
答案 0 :(得分:13)
我假设sentiment_test.txt只是纯文本,而不是特定的格式。 您正在尝试过滤行而不是单词。您应该首先标记然后过滤掉停用词。
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
stopset = set(stopwords.words('english'))
with open('sentiment_test.txt', 'r') as text_file:
text = text_file.read()
tokens=word_tokenize(str(text))
tokens = [w for w in tokens if not w in stopset]
print tokens
希望这有帮助。