在python中读取多个文件夹类别中的多个.txt文件的方法

Question

我是Python新手，正在尝试读取存储在多个文件夹层次结构中的.txt文件的数据集。 文件夹的结构是

-Folder1 
   -Category1_Folder
        -file1.txt
   -Category2_Folder
        -file1.txt
        -file2.txt and so on...

这些类别具有重要意义。我需要能够识别哪个文件来自哪个类别。然后我需要删除停止字并使用TfIDf执行特征提取。 做这种事最简单的方法是什么？在

Answer 1

我推荐os.walk。在

如果你有像这样的dirs：

project/
- folder1/
  - file1.png
  - file2.jpg
- folder2/
  - file3.zip

然后，示例代码是：

^{pr2}$

输出：

/project ['folder1', 'folder2'] []
/project/folder1 [] ['file1.png', 'file2.jpg']
/project/folder2 [] ['file3.zip']

如果需要文件夹、文件名，请使用for loop：

for dirname in dirnames:
  for filename in filenames:
    # split dirname for categories
    # and so on..