Pandas读取来自Gutenberg项目的文本标记时出错

Question

我正在尝试使用Gutenberg项目的一本书创建Python wordcloud。你知道吗

如果我选择Jule Verne的书A Journey to the Centre of the Earth并下载纯文本UTF-8文件，那么当我使用read\u csv时，pandas会出错。你知道吗

这是我正在使用的代码：

from wordcloud import WordCloud, STOPWORDS 
import matplotlib.pyplot as plt 
import pandas as pd 

df = pd.read_csv('pg18857.txt',delimiter=' ')

我收到以下错误消息：

pandas.errors.ParserError: Error tokenizing data. C error: Expected 14 fields in line 176, saw 15

我试过好几种选择pd.read\U csv文件，但我无法解析文本。你知道吗

Answer 1

熊猫是为结构化数据而设计的。这意味着一些组织成行和列的东西，比如电子表格或矩阵。它可以尝试一个文本文件，但松散的文本太杂乱无章，熊猫无法解析。你知道吗

你可能想做的是把它分成一个句子列表，然后把这个列表输入熊猫。你知道吗

下面是一个简单的例子：

with open('pg18857.txt') as f:
    content = f.readlines()
# Remove whitespace characters like `\n` at the end of each line
content = [x.strip() for x in content] 
df = pd.DataFrame(content)