删除停用词和 string.punctuation答案

【问题标题】：removing stop words and string.punctuation删除停用词和 string.punctuation
【发布时间】：2017-08-04 22:15:20
【问题描述】：

我不明白为什么这不起作用：

import nltk
from nltk.corpus import stopwords
import string

with open('moby.txt', 'r') as f:
    moby_raw = f.read()
    stop = set(stopwords.words('english'))
    moby_tokens = nltk.word_tokenize(moby_raw)
    text_no_stop_words_punct = [t for t in moby_tokens if t not in stop or t not in string.punctuation]

    print(text_no_stop_words_punct)

查看输出我有这个：

[...';', 'surging', 'from', 'side', 'to', 'side', ';', 'spasmodically', 'dilating', 'and', 'contracting',...]

标点符号似乎还在。我做错了什么？

【问题讨论】：

标签： python nltk punctuation

【解决方案1】：

必须是and，而不是or：

if t not in stop and t not in string.punctuation

或者：

if not (t in stop or t in string.punctuation):

或者：

all_stops = stop | set(string.punctuation)
if t not in all_stops:

后一种方案最快。

【讨论】：

【解决方案2】：

在这一行更改中，尝试将“或”更改为“和”，这样您的列表将只返回既不是停用词又不是标点符号的词。

text_no_stop_words = [t for t in moby_tokens if t not in stop or t not in string.punctuation]

【讨论】：

【解决方案3】：

关闭。您需要在比较中使用and 而不是or。如果结果是像“;”这样的标点符号不在stop 中，那么python 不会检查它是否在string.punctuation 中。

text_no_stop_words_punct = [t for t in moby_tokens if t not in stop and t not in string.punctuation]

【讨论】：