zoukankan      html  css  js  c++  java
  • python 部分数据处理代码

    # -*- coding:utf8 -*-
    import os
    import jieba.posseg as pseg
    # -*- coding:utf8 -*-
    import os
     
    def splitSentence(inputFile,name):
        fin = open(inputFile, 'r')      #以读的方式打开文件
        print name
        fout= open('/home/xdj/target/'+name,'w')         #以写得方式打开文件
        for eachLine in fin:
            line = eachLine.strip().decode('utf-8', 'ignore')      #去除每行首尾可能出现的空格,并转为Unicode进行处理
        line=line.strip(' ')                                       #去掉多余空行
            wordList = pseg.cut(line)                        #用结巴分词,对每行内容进行分词    
            outStr = ''
            for word in wordList:#
            #print word.word,word.flag            
            outStr += word.word+'/'+word.flag
        #print outStr
            fout.write(outStr.encode('utf-8'))              #将分词好的结果写入到输出文件
            fout.write(' ')
        fin.close()
        fout.close()
     
    path='/media/软件/zhuomian/VARandLDA/xuejiesourse'
    fns=[os.path.join(root,fn) for root,dirs,files in os.walk(path) for fn in files]
    #fout= open('/home/xdj/myOutput.txt','w')  
     
    i=-1
    num=0
    for f in fns:
        print f
        i=i+1
        strm = '%d' %i
        splitSentence(f,strm)
    #fout.close()
    print num   

    # -*- coding:utf8 -*-
    import os
    import jieba.posseg as pseg
    # -*- coding:utf8 -*-
    import os
    
    def splitSentence(inputFile,name):
        fin = open(inputFile, 'r')      #以读的方式打开文件
        print name
        fout= open('/home/xdj/target/'+name,'w')         #以写得方式打开文件
        for eachLine in fin:
            line = eachLine.strip().decode('utf-8', 'ignore')      #去除每行首尾可能出现的空格,并转为Unicode进行处理
        line=line.strip('
    ')                                       #去掉多余空行
            wordList = pseg.cut(line)                        #用结巴分词,对每行内容进行分词    
            outStr = ''
            for word in wordList:#
            #print word.word,word.flag            
            outStr += word.word+'/'+word.flag
        #print outStr
            fout.write(outStr.encode('utf-8'))              #将分词好的结果写入到输出文件
            fout.write('
    ')
        fin.close()
        fout.close()
    
    path='/media/软件/zhuomian/VARandLDA/xuejiesourse'
    fns=[os.path.join(root,fn) for root,dirs,files in os.walk(path) for fn in files]
    #fout= open('/home/xdj/myOutput.txt','w') 
    
    i=-1
    num=0
    for f in fns:
        print f
        i=i+1
        strm = '%d' %i
        splitSentence(f,strm)
    #fout.close()
    print num    
  • 相关阅读:
    第1条:考虑用静态工厂方法代替构造器
    代理模式(Proxy Pattern)
    out 和 ref 参数修饰符
    SQL Server 性能调优(一)——从等待状态判断系统资源瓶颈【转】
    Windows下获取Dump文件以及进程下各线程调用栈的方法总结(转)
    sql server内置函数
    ORA-16019 和 ORA-16018 错误的处理方法(转)
    marge into操作
    LogMiner配置使用手册
    课后作业
  • 原文地址:https://www.cnblogs.com/XDJjy/p/5273276.html
Copyright © 2011-2022 走看看