拆分文本数据集的句子

我有一个包含30,000个句子的文本文件。我如何使用Python在每个句子的开头和结尾添加开始和结束符号,如(s)和(/s)?

数据的一部分如下:陪审团在期末陈述中进一步表示,负责选举的城市执行委员会“值得亚特兰大市的赞扬和感谢”,因为他们出色地完成了选举工作。


回答:

# 打开输入文件以供读取,并创建一个新的输出文件以供写入
readfile = open('input.txt', 'r')
writefile = open('newfile.txt', 'w')
# 读取输入文件中的每一行
for line in readfile:
    # 去除行尾的回车符
    line = line.strip()
    # 写入前缀符号、输入行、后缀符号,
    # 以及一个回车符到输出文件
    writefile.write('(s)' + line + '(/s)' + '\n')

当然,这假设每一行都是一个句子。

如果一行可以包含多个句子,或者一个句子可以跨越多行,情况就会变得复杂得多。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注