Question

我有几个要使用的文本文件（本地文件夹），并且想要从该文件夹中的每个文件中删除停用词，并将新文件保存在一个子文件夹中。

一个文件的代码：

import io
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

stop_words = set(stopwords.words('english'))
file1 = open("1_1.txt")
line = file1.read()
words = line.split()
for r in words:
    if not r in stop_words:
        appendFile = open('subfolder/1_1.txt','a')
        appendFile.write(" "+r)
        appendFile.close()

我认为我必须尝试使用glob吗？但是我似乎并不了解文档。我也许应该降低（）文字？一定有一种超级简单的方法，但是我只为一个句子或一个文件找到教程，从不为多个文件找到教程。

Answer 1

import io
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

stop_words = set(stopwords.words('english'))
file1 = open("file1.txt")
line = file1.read()
words = word_tokenize(line)
words_witout_stop_words = ["" if word in stop_words else word for word in words]
new_words = " ".join(words_witout_stop_words).strip()
appendFile = open('subfolder/file1.txt','w')
appendFile.write(new_words)
appendFile.close()

现在，您可以在localfolder的文件名中添加一个循环，一切顺利。

从多个文件中删除停用词（NLTK）

1 个答案: