无法从实用程序导入 process_tweets

Unable to import process_tweets from utils

感谢您的调查,我有一个 python 程序,我需要 process_tweetbuild_freqs 来完成某些 NLP 任务,nltk 已经安装并且 utils 不是 所以我通过 pip install utils 安装了它,但是上面提到的两个模块显然没有安装,我得到的错误是标准错误,

ImportError: cannot import name 'process_tweet' from
'utils' (C:\Python\lib\site-packages\utils\__init__.py)

我做错了什么或者有什么遗漏吗? 我也提到了 但它没有帮助。

试试这个代码,它应该工作:
def process_tweet(tweet):
stemmer = PorterStemmer()
stopwords_english = stopwords.words('english')
tweet = re.sub(r'$\w*', '', tweet)
tweet = re.sub(r'^RT[\s]+', '', tweet)
tweet = re.sub(r'https?:\/\/.*[\r\n]*', '', tweet)
tweet = re.sub(r'#', '', tweet)
tokenizer = TweetTokenizer(preserve_case=False,        strip_handles=True,reduce_len=True)
tweet_tokens = tokenizer.tokenize(tweet)

tweets_clean = []
for word in tweet_tokens:
    if (word not in stopwords_english and  
            word not in string.punctuation): 
        stem_word = stemmer.stem(word)  # stemming word
        tweets_clean.append(stem_word)

return tweets_clean

如果您在 deeplearning.ai 上学习 NLP 课程,那么我相信 utils.py 文件是由该课程的讲师创建的,用于实验室课程,不应该与通常的实用程序混淆。

您可以使用 ?? 轻松访问任何源代码,例如在这种情况下:process_tweet?? (以上代码来自 deeplearning.ai NLP 课程客户实用程序库):

def process_tweet(tweet):
"""Process tweet function.
Input:
    tweet: a string containing a tweet
Output:
    tweets_clean: a list of words containing the processed tweet

"""
stemmer = PorterStemmer()
stopwords_english = stopwords.words('english')
# remove stock market tickers like $GE
tweet = re.sub(r'$\w*', '', tweet)
# remove old style retweet text "RT"
tweet = re.sub(r'^RT[\s]+', '', tweet)
# remove hyperlinks
tweet = re.sub(r'https?:\/\/.*[\r\n]*', '', tweet)
# remove hashtags
# only removing the hash # sign from the word
tweet = re.sub(r'#', '', tweet)
# tokenize tweets
tokenizer = TweetTokenizer(preserve_case=False, strip_handles=True,
                           reduce_len=True)
tweet_tokens = tokenizer.tokenize(tweet)

tweets_clean = []
for word in tweet_tokens:
    if (word not in stopwords_english and  # remove stopwords
            word not in string.punctuation):  # remove punctuation
        # tweets_clean.append(word)
        stem_word = stemmer.stem(word)  # stemming word
        tweets_clean.append(stem_word)

我猜你根本不需要使用 process_tweet。课程中的代码只是总结你从开始到词干步骤所做的一切的捷径;因此,忽略该步骤并打印出 tweet_stem 以查看原始文本和预处理文本之间的区别。