Python NLTK防止停止字删除删除每个字

Question

我用的是很短的字串，其中有几个是愚蠢的。假设，我可以有一个字符串“youana”，如果我去掉非索引字，这个字符串将是空白的。因为我是在循环中分类的，所以如果它是一个空字符串，它就会停止并返回一个错误。我创建了以下代码来修复此问题：

def title_features(words):
filter_words = [word for word in words.split() if word not in stopwords.words('english')]
features={}
if len(filter_words) >= 1:
    features['First word'] = ''.join(filter_words[0])
else:
    features['First word'] = ''.join(words.split()[0])
return features

这确保了我不会出错，但我想知道是否有更有效的方法来做到这一点。或者是一种方法，它不会去掉所有的单词，如果它们都是停止语的话。在

Answer 1

最简单的解决方案是检查筛选结果，必要时恢复完整的单词列表。然后剩下的代码就可以使用一个变量而不需要检查。在

def title_features(words):
    filter_words = [word for word in words.split() if word not in stopwords.words('english')]
    if not filter_words:       # Use full list if necessary
        filter_words = words

    features={}
    features['First word'] = filter_words[0]
    features[...] = ...

    return features

Answer 2

您可以重写为：

def title_features(words):
    filtered = [word for word in words.split() if word not in stopwords.words('english')]
    return {'First word': (filtered or words.split(None, 1) or [''])[0]}

如果它不是空的（例如-有一个或一个以上的长度），或者如果它是空的，则需要filtered，然后继续拆分原始的，如果是空的，则默认为一个带有空字符串的单元素列表。然后使用[0]中的任何一个来获取第一个元素（第一个非停止单词、字符串的第一个单词或一个空字符串）。在