如何循環遍歷一個語料庫中的文件：Python

Question

我有其他方法需要與我的語料庫中的每個單獨的txt文件一起工作。我怎樣才能在他們之間循環？

import nltk 
from nltk.corpus import PlaintextCorpusReader as pcr 

def main(): 
    cor = corpus() 
    # for every text file in the corpus: 
     #Do this method 

def corpus(): 
    corpus_root='corpus/' 
    corp = pcr(corpus_root,'.*\.txt') 
    corp = corp.raw() 
    return corp 

main() 

Answer 1

可以使用水珠

import glob 
glob.glob("corpus/*") 

Answer 2

除非我記錯了，我覺得這是一個非常簡單的答案：

# for every text file in the corpus 
for text_file in cor: 
    # Do this method 
    my_method(text_file) 

Answer 3

的NLTK語料庫讀者有一種方法fileids()你應該使用：

mycorpus = pcr(corpus_root, r'.*\.txt') 

for fname in mycorpus.fileids(): 
    text = mycorpus.raw(fname) 
    sents = mycorpus.sents(fname) 
    # or whatever 

當您使用文件名稱呼叫raw()，sents()words()，tagged_words()等時，您只會獲得指定文件的內容。如果你想要一個你的語料庫的多文件子集，你也可以傳遞一個文件名列表。

PS。它在這裏沒有什麼不同，但是你應該使用原始字符串作爲正則表達式（參見上文）