时间戳

首页 > 解决方案 > 循环文件并分别保存

python - 循环文件并分别保存

问题描述

我想在包含几千个文本文件的本地文件夹中循环，删除停用词，并将文件保存在子文件夹中。我的代码遍历所有文件，但将所有文本文件写入一个新文件。我需要将文件分开 - 因为它们在哪里，并且文件名完全相同，只是没有停用词。我究竟做错了什么？

import io
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
import glob
import os
import codecs

stop_words = set(stopwords.words('english'))

for afile in glob.glob("*.txt"):
    file1 = codecs.open(afile, encoding='utf-8')
    line = file1.read()
    words = word_tokenize(line)
    words_without_stop_words = [word for word in words if word not in stop_words]
    new_words = " ".join(words_without_stop_words).strip()
    appendFile = open('subfolder/file1.txt','w', encoding='utf-8')
    appendFile.write(new_words)
    appendFile.close()

我看到文件名将是“file1”（第 11 行） - 我无法理解 glob（如果 glob 甚至是解决方案？）。

标签： pythonpython-3.xglob

解决方案

原因是您在循环中使用相同的名称。您应该在每次迭代中更改文件名。例如你可以试试这个：

counter = 0 # This line added
for afile in glob.glob("*.txt"):
    file1 = codecs.open(afile, encoding='utf-8')
    line = file1.read()
    words = word_tokenize(line)
    words_without_stop_words = [word for word in words if word not in stop_words]
    new_words = " ".join(words_without_stop_words).strip()
    appendFile = open('subfolder/file1' + str(counter) + ".txt",'w', encoding='utf-8') # This line changed
    appendFile.write(new_words)
    appendFile.close()
    counter += 1 # This line added

这里发生的事情是：我们添加了一个计数器变量，并将该数字添加到每个文件名称的末尾。

在循环结束时，我们增加了counter用于分隔文件的值。

您可以尝试不同的方法，例如在新文件名的末尾添加原始文件名。

推荐阅读