0
我希望有人能夠看到我在這裏失敗的地方。所以我已經從buzzfeed中抓取了一些數據，現在我正在嘗試格式化一個文本文件，然後我可以將其發送到data_convert_examples text_to_data格式器。如何格式化輸入數據的文本data_convert_example
我以爲我有過幾次這樣的答案，但是當我把它當作二進制文件處理，然後嘗試對數據進行訓練時，我仍然遇到了磚牆。
我所做的是在玩具數據集上運行binary_to_text，然後在windows下的記事本++中打開文件，顯示所有字符，並匹配我認爲的格式。
我爲下面的長函數appologize，但我真的不確定問題的可能性，並認爲這是提供足夠信息的最佳方式。任何人有任何想法或建議？
def processPath(self, toPath):
try:
fout = open(os.path.join(toPath, '{}-{}'.format(self.baseName, self.fileNdx)), 'a+')
for path, dirs, files in os.walk(self.fromPath):
for fn in files:
fullpath = os.path.join(path, fn)
if os.path.isfile(fullpath):
#with open(fullpath, "rb") as f:
with codecs.open(fullpath, "rb", 'ascii', "ignore") as f:
try:
finalRes = ""
content = f.readlines()
self.populateVocab(content)
sentences = sent_tokenize((content[1]).encode('ascii', "ignore").strip('\n'))
for sent in sentences:
textSumFmt = self.textsumFmt
finalRes = textSumFmt["artPref"] + textSumFmt["sentPref"] + sent.replace("=", "equals") + textSumFmt["sentPost"] + textSumFmt["postVal"]
finalRes += (('\t' + textSumFmt["absPref"] + textSumFmt["sentPref"] + (content[0]).strip('\n').replace("=", "equals") + textSumFmt["sentPost"] + textSumFmt["postVal"]) + '\t' +'publisher=BUZZ' + os.linesep)
if self.lineNdx != 0 and self.lineNdx % self.lines == 0:
fout.close()
self.fileNdx+=1
fout = open(os.path.join(toPath, '{}-{}'.format(self.baseName, self.fileNdx)), 'a+')
fout.write(("{}").format(finalRes.encode('utf-8', "ignore")))
self.lineNdx+=1
except RuntimeError as e:
print "Runtime Error: {0} : {1}".format(e.errno, e.strerror)
finally:
fout.close()