如何使用循環訪問我自己的分類語料庫中的每個文本文件？

Question

我在python初學者，我用這條線

reader = CategorizedPlaintextCorpusReader('~/CorpusMain/', 
             r'.*\.txt', cat_pattern=r'(\w+)/*') 

裏面我CorpusMain文件夾，我有類別進一步三個文件夾。我需要分別訪問每個類別中的每個文本文件內容，爲包含文本文件的每個類別構建一個列表，如 category1 = ['textfile1 content'，'textfile2 content'... etc] 我想使用我的閱讀器，這意味着引用每個文件（fileids（）），並得到它的reader.raw結果...

我需要這些來回饋給我的CountVectorizer，爲每個類別構建一個向量。

Answer 1

我會建議類似os.listdir的東西，它將返回指定的路徑內容列表作爲其參數。

一個例子：

對於像一個目錄結構：

CorpusMain 
├ text1.txt 
└ text2.txt 

text1.txt：

Text 1 content 

text2.txt：

Text 2 content 

以下代碼：

import os 

def get_txt_content(path, txt): 
    with open(path + r'\\' + txt, 'r') as text_file: 
     return text_file.read() 

def list_txt_content(path): 
    textfiles = [_file for _file in os.listdir(path) if _file.endswith('.txt')] 
    return [get_txt_content(path, txt) for txt in textfiles] 

print list_txt_content(r'~/CorpusMain') 

會產生像這樣的列表：

['Text 1 content', 'Text 2 content'] 

希望它能幫助。