Python-NLTK分类语料库创建

Question

当我试图创建我的语料库时，我在处理所有子文件夹中的文件时遇到了一些愚蠢的问题。在

CorpusList = CategorizedPlaintextCorpusReader('X:\\HardPath\\SF001\\SF001_009\\TextForAnalysis\\', r'.*/.txt', cat_file='CAT.txt', cat_delimiter=',')

我的问题是我所有的文本文件都不在一个文件夹中。它们都在子文件夹中。如何包含此目录和所有子目录中的所有文本文件？如果我把所有的文件都放在“TextForAnalysis”文件夹中，那么所有的工作都只是文件。在

Answer 1

尝试使用cat_pattern选项：

CorpusList = CategorizedPlaintextCorpusReader(
    'X:\\HardPath\\SF001\\SF001_009\\TextForAnalysis\\',
    r'.*/.txt',
    cat_file='CAT.txt',
    cat_delimiter=',',
    cat_pattern='(.+)/*')