Question

我尝试了这个，但它不起作用

from nltk.corpus import stopwords
stopwords_list = stopwords.words('arabic')
print(stopwords_list)

更新[2018年1月]：自2017年10月以来，nltk数据存储库已包含阿拉伯语停用词，因此不再出现此问题。上面的代码将按预期工作。

Answer 1

截至2017年10月，nltk包含一系列阿拉伯语停用词。如果您在该日期之后运行nltk.download()，则不会出现此问题。如果您已成为nltk的用户已有一段时间且您现在缺少阿拉伯语停用词，请使用nltk.download()更新您的停用词语料库。

如果您在没有参数的情况下致电nltk.download()，您会发现stopwords语料库显示为“过时”（红色）。下载包含阿拉伯语的当前版本。
或者，您只需在交互式提示中运行以下代码一次，即可更新停用词语料库：
```
>>> import nltk
>>> nltk.download("stopwords")
```

注意：

查看列表中的单词非常慢。使用集合而不是列表。例如，

arb_stopwords = set(nltk.corpus.stopwords.words("arabic"))

原始答案（仍适用于未包含的语言）

为什么不检查stopwords集合包含的内容：

>>> from nltk.corpus import stopwords >>> stopwords.fileids() ['danish', 'dutch', 'english', 'finnish', 'french', 'german', 'hungarian', 'italian', 'norwegian', 'portuguese', 'russian', 'spanish', 'swedish', 'turkish']

所以不，没有阿拉伯语列表。我不确定你的意思是“添加它”，但是停用词列表只是单词列表。他们甚至没有进行形态分析，也没有其他你想用的语言。因此，如果你有（或者可以放在一起）一个阿拉伯语停用词列表，只需将它们放在set()¹中，如果你的代码有效，你就比你的位置领先一步。

Answer 2

这里有一个阿拉伯语停用词列表：

https://github.com/mohataher/arabic-stop-words/blob/master/list.txt

如果您使用文件名arabic将此文件保存在nltk_data目录中，则可以使用上面的代码使用nltk调用该文件，其中包括：

from nltk.corpus import stopwords
stopwords_list = stopwords.words('arabic')

（请注意，通过在Python解释器中键入nltk.data.path可以看到nltk_data目录的可能位置。

您也可以使用alexis＆＃39;建议检查是否找到了。

请注意他的建议，将停用词列表转换为集stopwords_set = set(stopwords.words('arabic'))，因为它可以对性能产生真正的影响。

nltk是否包含阿拉伯语停用词，如果不包含，我该如何添加？

2 个答案:

原始答案（仍适用于未包含的语言）