python - 如何导入文本文件以适合此聚类算法？

Question

我有 900 个 .txt 文件(所有这些都是美国总统的演讲)保存在我的 U:/驱动器上的一个文件夹中。我希望按照此处给出的示例运行一些文档集群:http://brandonrose.org/clustering .在他的示例中，作者使用了来自 nltk 的给定存储库。如何导入我的文本文件以正确运行此算法？

最终，我会尝试根据总统说话的方式对总统进行分组，因此最好有五六个总统集群以及属于这些集群的总统列表。

Answer 1

如果可以使用glob模块获取每一个文件名，然后将它们的内容读入字符串:

import glob

for filename in glob.glob("somefolder/*.txt"):
    with open(filename, 'r') as inputFile:
        filecontent = inputFile.read();

从现在开始，您可以使用变量 filename 和 filecontent 来创建对象列表(很可能是字典)，然后您可以按照您链接的教程进行操作。