如何使用 python 中的文本文件的拆分方法制作词袋

Question

我正在努力学习 TFIDF。但是我无法从文件中提取单词。

代码：

docA = open("/home/user/Desktop/da/doca","r")
print(docA.read())
bowA = docA.split(" ")

错误：

AttributeError                            
Traceback (most recent call last)
<ipython-input-32-06e07f9dd975> in <module>
----> 1 bowA = docA.split(" ")

AttributeError: '_io.TextIOWrapper' object has no attribute 'split'`
Can anyone help me solve this?

Answer 1

您想使用返回的字符串而不是文件句柄：

docA = open("/home/user/Desktop/da/doca","r")
document_string = docA.read()
bowA = document_string.split()

您可以直接调用 split，默认情况下它会在空格处拆分

Answer 2

我假设你的意思是：

docA = open("/home/user/Desktop/da/doca","r")
# print(docA.read())
bowA = docA.read().split(" ") # or just split() will do
docA.close()

当您调用 read() 时，读取光标将读取整个文件，将读取光标留在末尾。所以再次调用 read() 将 return 空字符串。因此，如果你想打印内容，你可以将内容分配给一个变量，打印它并随意使用它：

docA = open("/home/user/Desktop/da/doca","r")
data = docA.read()
print(data)
bowA = data.split()
docA.close()

或者干脆

with open("/home/user/Desktop/da/doca","r") as docA:
    data = docA.read()
print(data)
bowA = data.split()

如何使用 python 中的文本文件的拆分方法制作词袋

How to make a bag of words using split method from a text file in python

python

tf-idf