将文件夹中的文章映射到列表中

Question

我有一个包含几篇文章的文件夹，我想将每篇文章的文本映射到一个通用列表中，以便将该列表用于 tf-idf 转换。例如：

文件夹 = [文章 1、文章 2、文章 3]

进入列表

list = ['text_of_article1', 'text_of_article2', 'text_of_article3']

def multiple_file(arg):     #arg is path to the folder with multiple files
    '''Function opens multiple files in a folder and maps each of them to a list
    as a string'''
    import glob, sys, errno
    path = arg
    files = glob.glob(path)
    list = []               #list where file string would be appended
    for item in files:    
        try:
            with open(item) as f: # No need to specify 'r': this is the default.
                list.append(f.read())
        except IOError as exc:
            if exc.errno != errno.EISDIR: # Do not fail if a directory is found, just ignore it.
                raise # Propagate other kinds of IOError.
    return list

当我为我的文章设置文件夹的路径时，我得到一个空列表。但是，当我直接将其设置为一篇文章时，该文章会出现在列表中。我怎样才能将它们全部映射到我的列表中。 :S

这是代码，不知道是不是你的想法：

def multiple_files(arg):     #arg is path to the folder with multiple files
    '''Function opens multiple files in a folder and maps each of them to a list
    as a string'''
    import glob, sys, errno, os
    path = arg
    files = os.listdir(path)
    list = []               #list where file string would be appended
    for item in files:    
        try:
            with open(item) as f: # No need to specify 'r': this is the default.
                list.append(f.read())
        except IOError as exc:
            if exc.errno != errno.EISDIR: # Do not fail if a directory is found, just ignore it.
                raise # Propagate other kinds of IOError.
    return list

这是错误：

Traceback (most recent call last):

  File "<ipython-input-7-13e1457699ff>", line 1, in <module>
    x = multiple_files(path)

  File "<ipython-input-5-6a8fab5c295f>", line 10, in multiple_files
    with open(item) as f: # No need to specify 'r': this is the default.

IOError: [Errno 2] No such file or directory: 'u02.txt'

第2条实际上是新创建的列表中的第一个。

Answer 1

假设path == "/home/docs/guzdeh"。如果你只说glob.glob(path)，你只会得到[path]，因为没有其他匹配模式。您希望glob.glob(path + "/*") 获取该目录中的所有内容，或者glob.glob(path + "/*.txt") 获取所有txt 文件。

您也可以使用import os; os.listdir(path)，我认为这更有意义。

更新：

关于新代码，问题在于os.listdir 只返回相对于所列目录的路径。因此，您需要将两者结合起来让 python 知道您在说什么。添加：

item = os.path.join(path, item)

在尝试open(item) 之前。您可能还想更好地命名变量。