在scikit-learn中，load_files函數正在讀取不需要的文本文件

Question

我正在使用sci-kit中的load_files函數學習加載2個簡單的文本文檔。

設置很痛苦簡單。我的文件被命名爲file1和file2。 第一個文件由文本pig cow chicken組成，而第二個文件由文本pig car truck組成。

他們都住在這裏：

/home/me/Dropbox/test 

到目前爲止好。

現在，我用的是load_files功能，因此，

text_data = load_files('/home/me/Dropbox/test', encoding='latin-1') 

接下來，我檢查
text_data.filenames
......它原來我收到一些奇怪的額外的文件！

[ '/home/me/Dropbox/test/folder1/document2.txt' 
    '/home/me/Dropbox/test/folder1/document2.txt~' 
    '/home/me/Dropbox/test/folder1/document1.txt~' 
    '/home/me/Dropbox/test/folder1/document1.txt'] 

我檢查了
text_data.data
並獲得：

[u'pig\ncar\ntruck\n', u'', u'', u'pig\ncow\nchicken\n'] 

我認爲有一些隱藏的文件，或者臨時文件，或那些五花八門的東西怎麼回事。我的文件都沒有打開。我重新啓動了iPython，重新啓動了筆記本電腦等。我使用ls -lart，並在目錄中看到它們。

我使用的是Ubuntu 13.10。

我想知道一個很好的方法來擺脫它們，這將解決在這個特定情況下的問題，但除此之外，我想知道爲什麼會發生這種情況，以及如何確保它不會發生再次。這些隱藏文件背後的機制是什麼，爲什麼該函數加載它們？

在此先感謝。

謝謝！

Answer 1

這些文件可能是文本編輯器（如vim）自動創建的備份文件。

要遞歸刪除與~結尾的所有文件在當前目錄下，你可以使用這個命令：

find -name "*~" -delete 

現在的問題是你是否真的想用sklearn.datasets.load_files載入的文件。它的目的是加載文本文件的類別作爲子文件夾名稱，這似乎不是你的目錄的情況。如果你只是想加載兩個簡單的文本文件，是不是內置的open函數就足夠了？