该文件夹中有一堆.txt文件。以下是两个函数,用于读取这些文件并将它们保存为一个字符串的变量:
s=(glob.glob("/Users/user/documents/folder/*.txt"))
def read_files(files):
for filename in files:
with open(filename, 'r', encoding='latin-1') as file:
yield file.read()
def read_files_as_string(files, separator='\n'):
files_content = list(read_files(files=files))
return separator.join(files_content)
results=read_files_as_string(s)
现在我的想法是使用sklearnCountVectorizer()来从文本中获取n-gram。但CountVectorizer()不接收作为输入的字符串。因此,我的问题是-如何使函数读取文件,而不是将它们存储为一个字符串,而是使用以下逻辑进行存储:['text1.txt','text2.txt',...,'textn。文本文件']
相关分类