最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

使用python進行文本預(yù)處理和提取特征的實例

 更新時間:2018年06月05日 15:14:25   作者:Johline  
今天小編就為大家分享一篇使用python進行文本預(yù)處理和提取特征的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

如下所示:

<strong><span style="font-size:14px;">文本過濾</span></strong> 
result = re.sub(r'[^\u4e00-\u9fa5,。?!,、;:“ ”‘ '( )《 》〈 〉]', "", content)#只保留中文和標點 

result = re.sub(r'[^\u4e00-\u9fa5]', "",content)#只保留中文 
result = re.sub(r'[^\0-9\.\u4e00-\u9fa5,。?!,、;:“ ”‘ '( )《 》〈 〉]', "", content)#只保留中文和標點和數(shù)字 
result = re.sub(r'[^\u4e00-\u9fa5,A-Za-z0-9]', "",content)#只保留中文、英文和數(shù)字 

文本去除兩個以上空格

content=re.sub(r'\s{2,}', '', content)

bas4編碼變成中文

def bas4_decode(bas4_content): 
 decodestr= base64.b64decode(bas4_content) 
 result = re.sub(r'[^\0-9\.\u4e00-\u9fa5,。?!,、;:“ ”‘ '( )《 》〈 〉]', "", decodestr.decode())#只保留中文和標點和數(shù)字 
 return result 

文本去停用詞

def text_to_wordlist(text): 
 result = re.sub(r'[^\u4e00-\u9fa5]', "",text) 
 f1_seg_list = jieba.cut(result)#需要添加一個詞典,來彌補結(jié)巴分詞中沒有的詞語,從而保證更高的正確率 
 f_stop = codecs.open(".\stopword.txt","r","utf-8") 
 try: 
  f_stop_text = f_stop.read() 
 finally: 
  f_stop.close() 
 f_stop_seg_list = f_stop_text.split() 
 
 test_words = [] 
 
 for myword in f1_seg_list: 
  if myword not in f_stop_seg_list: 
   test_words.append(myword) 
    
 return test_words 

文本特征提取

import jieba 
import jieba.analyse 
import numpy as np 
#import json 
import re

def Textrank(content):
 result = re.sub(r'[^\u4e00-\u9fa5]', "",content)
 seg = jieba.cut(result) 
 jieba.analyse.set_stop_words('stopword.txt')
 keyList=jieba.analyse.textrank('|'.join(seg), topK=10, withWeight=False) 
 return keyList

def TF_IDF(content):
 result = re.sub(r'[^\u4e00-\u9fa5]', "",content)
 seg = jieba.cut(result) 
 jieba.analyse.set_stop_words('stopword.txt')
 keyWord = jieba.analyse.extract_tags( 
  '|'.join(seg), topK=10, withWeight=False, allowPOS=())#關(guān)鍵詞提取,在這里對jieba的tfidf.py進行了修改 
 return keyWord

以上這篇使用python進行文本預(yù)處理和提取特征的實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • Pandas篩選某列過濾的方法

    Pandas篩選某列過濾的方法

    本文主要介紹了Pandas篩選某列過濾的方法,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-01-01
  • 舉例講解Python設(shè)計模式編程中的訪問者與觀察者模式

    舉例講解Python設(shè)計模式編程中的訪問者與觀察者模式

    這篇文章主要介紹了Python設(shè)計模式編程中的訪問者與觀察者模式,設(shè)計模式的制定有利于團隊協(xié)作編程代碼的協(xié)調(diào),需要的朋友可以參考下
    2016-01-01
  • Python生成器實現(xiàn)簡單

    Python生成器實現(xiàn)簡單"生產(chǎn)者消費者"模型代碼實例

    這篇文章主要介紹了Python生成器實現(xiàn)簡單"生產(chǎn)者消費者"模型代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-03-03
  • Pydantic中BaseConfig的具體使用

    Pydantic中BaseConfig的具體使用

    本文主要介紹了Pydantic中BaseConfig的具體使用,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2024-06-06
  • 一文帶你掌握Matplotlib風(fēng)格與樣式

    一文帶你掌握Matplotlib風(fēng)格與樣式

    學(xué)過Python的小伙伴都會知道,Matplotlib是Python生態(tài)最好用的可視化工具庫,下面這篇文章主要給大家介紹了關(guān)于Matplotlib風(fēng)格與樣式的相關(guān)資料,需要的朋友可以參考下
    2023-09-09
  • Python GUI編程之tkinter 關(guān)于 ttkbootstrap 的使用詳解

    Python GUI編程之tkinter 關(guān)于 ttkbootstrap 的使用

    ttkbootstrap 是一個基于 tkinter 的界面美化庫,使用這個工具可以開發(fā)出類似前端 bootstrap 風(fēng)格的 tkinter 桌面程序,這篇文章主要介紹了Python GUI編程之tkinter 關(guān)于 ttkbootstrap 的使用詳解,需要的朋友可以參考下
    2022-03-03
  • 解決PyCharm不在run輸出運行結(jié)果而不是再Console里輸出的問題

    解決PyCharm不在run輸出運行結(jié)果而不是再Console里輸出的問題

    這篇文章主要介紹了解決PyCharm不在run輸出運行結(jié)果而不是再Console里輸出的問題,本文給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2020-09-09
  • Python中最大遞歸深度值的探討

    Python中最大遞歸深度值的探討

    今天小編就為大家分享一篇關(guān)于Python中最大遞歸深度值的探討,小編覺得內(nèi)容挺不錯的,現(xiàn)在分享給大家,具有很好的參考價值,需要的朋友一起跟隨小編來看看吧
    2019-03-03
  • 2行Python代碼實現(xiàn)給pdf文件添加水印

    2行Python代碼實現(xiàn)給pdf文件添加水印

    你們在給PDF文件添加水印時,還在手動一頁頁添加嗎?本文小編為大家?guī)砹艘粋€更方便的方法,即用Python的2行代碼來實現(xiàn),感興趣的小伙伴可以學(xué)習(xí)一下
    2022-02-02
  • Tensorflow 實現(xiàn)修改張量特定元素的值方法

    Tensorflow 實現(xiàn)修改張量特定元素的值方法

    今天小編就為大家分享一篇Tensorflow 實現(xiàn)修改張量特定元素的值方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-07-07

最新評論

竹北市| 元氏县| 云阳县| 容城县| 凤阳县| 沙坪坝区| 中宁县| 西乌珠穆沁旗| 千阳县| 昆明市| 凤山市| 木兰县| 靖远县| 浪卡子县| 平利县| 惠州市| 庆城县| 平湖市| 乌鲁木齐县| 浦江县| 林周县| 小金县| 柏乡县| 北安市| 银川市| 北安市| 涞水县| 麟游县| 永兴县| 封开县| 巫溪县| 贵港市| 马尔康县| 绥滨县| 耿马| 阿坝| 隆化县| 达尔| 佛山市| 永靖县| 陆河县|