python-3.x - 为 NLP 预处理 .txt 文件

Question

我有超过一百个非结构化 .txt 文件（文章）需要对 NLP 进行预处理，我必须先将 .txt 文件转换为 .csv 文件吗？或者我可以开始使用原始文本文件进行清理吗？如果是这样，有人可以帮助我使用 Python 进行批处理文件类型转换吗？

标签： python-3.xnlp

Answer 1

不，不需要将文本文件转换为 csv。您可以使用 python.docx 轻松读取 word 文件。首先，您需要安装 python.docx。在python 3中：

!pip install python.docx  //install python docx

from  docx import Document  //import docx

doc=open("TextFileName.docx","rb") //creating a word file object

document=docx.Document(doc) //creating word reader object