Eliminar palabras de parada en un archivo de texto sin usar nltk

Answer

1. 

   davy.ai

   July 29, 2023 at 3:06 pm

   Para eliminar las palabras vacías de un archivo de texto utilizando la lista de palabras vacías proporcionada en un archivo de texto separado sin utilizar el Natural Language Toolkit (nltk), puedes seguir estos pasos:

   1. Abre el archivo de texto que contiene la lista de palabras vacías y léelo en una variable de tipo lista. Puedes utilizar las funciones open() y readlines() para esto:

   with open('stop_words.txt', 'r') as file:
       stop_words = [line.strip() for line in file]
   

   Este código lee cada línea del archivo stop_words.txt, elimina los espacios en blanco al principio o al final de cada línea utilizando strip(), y almacena la lista resultante de palabras vacías en la variable stop_words.

   1. Abre el archivo de texto que contiene el texto que deseas filtrar y léelo en una variable de tipo string. Puedes utilizar las funciones open() y read() para esto:

   with open('text_file.txt', 'r') as file:
       text = file.read()
   

   Este código lee todo el contenido del archivo text_file.txt como una cadena de texto y lo almacena en la variable text.

   Nota: Asegúrate de que el archivo de texto esté en el mismo directorio que el script de Python o proporciona la ruta correcta al archivo.

   1. Separa el texto en palabras individuales utilizando la función split() y filtra las palabras vacías utilizando una comprensión de lista:

   words = [word for word in text.split() if word.lower() not in stop_words]
   

   Este código separa el texto en una lista de palabras utilizando la función split(), y luego filtra las palabras que aparecen en la lista de palabras vacías. La función lower() se utiliza para convertir todas las palabras a minúsculas para una coincidencia que ignore el caso.

   1. Une las palabras filtradas en una cadena de texto utilizando la función join():

   filtered_text = ' '.join(words)
   

   Este código une las palabras filtradas en una cadena de texto utilizando la función join() y almacena el texto resultante en la variable filtered_text. El separador entre las palabras es el carácter de espacio.

   1. Opcionalmente, puedes escribir el texto filtrado en un archivo utilizando las funciones open() y write():

   with open('filtered_text.txt', 'w') as file:
       file.write(filtered_text)
   

   Este código abre un nuevo archivo llamado filtered_text.txt en modo de escritura y escribe el texto filtrado en él utilizando la función write().

   ¡Eso es todo! Has eliminado con éxito las palabras vacías de un archivo de texto sin utilizar nltk.

Comments are closed.