删除停用词和string.punctuation

Question

我不明白为什么这个不起作用：

import nltk
from nltk.corpus import stopwords
import string

with open('moby.txt', 'r') as f:
    moby_raw = f.read()
    stop = set(stopwords.words('english'))
    moby_tokens = nltk.word_tokenize(moby_raw)
    text_no_stop_words_punct = [t for t in moby_tokens if t not in stop or t not in string.punctuation]

    print(text_no_stop_words_punct)

看一下输出，我有这样的输出：

[...';', 'surging', 'from', 'side', 'to', 'side', ';', 'spasmodically', 'dilating', 'and', 'contracting',...]

看起来标点符号还在。我哪里做错了？

Answer 1

它必须是and，而不是or

if t not in stop and t not in string.punctuation

或者：

if not (t in stop or t in string.punctuation):

或者：

all_stops = stop | set(string.punctuation)
if t not in all_stops:

后一种解决方案速度最快。

Answer 2

在此行中，尝试将'or‘更改为' and’，这样列表将只返回既不是停用词也不是标点符号单词。

text_no_stop_words = [t for t in moby_tokens if t not in stop or t not in string.punctuation]

Answer 3

关。在您的比较中，您需要使用and而不是or。如果发现像";“这样的标点符号不在stop中，那么python就不会检查它是否在string.punctuation中。

text_no_stop_words_punct = [t for t in moby_tokens if t not in stop and t not in string.punctuation]