Liste de mots-clés NLTK

J'ai le code en dessous et je suis en train d'appliquer un arrêt de la liste de mots à la liste de mots. Cependant, les résultats montrent encore des mots tels que "un" et "le" je crois qu'il aurait été enlevé par ce processus. Toutes les idées de ce qui a mal tourné .

import nltk
from nltk.corpus import stopwords

word_list = open("xxx.y.txt", "r")
filtered_words = [w for w in word_list if not w in stopwords.words('english')]
print filtered_words

source d'informationauteur saph_top

  1. 19

    Quelques choses à noter.

    • Si vous allez à la vérification de l'appartenance à une liste de plus de et plus, je voudrais utiliser un ensemble au lieu d'une liste.

    • stopwords.words('english') renvoie une liste de minuscules des mots vides. Il est fort probable que votre source a des lettres majuscules et ne correspond pas pour cette raison.

    • Vous n'êtes pas de la lecture du fichier correctement, vous vérifiez sur le fichier objet n'est pas une liste de mots à séparer par des espaces.

    Mettant tous ensemble:

    import nltk
from nltk.corpus import stopwords

word_list = open("xxx.y.txt", "r")
stops = set(stopwords.words('english'))

for line in word_list:
    for w in line.split():
        if w.lower() not in stops:
            print w