如何使用循环访问自己分类语料库中的每个文本文件？

Question

我是python的初学者，我用这句话

reader = CategorizedPlaintextCorpusReader('~/CorpusMain/',
                                      r'.*\.txt', cat_pattern=r'(\w+)/*')

在我的CorpusMain文件夹中，我还有三个文件夹用于分类。我需要分别访问每个类别中的每个文本文件内容，为每个类别构建一个包含文本文件作为元素的列表。。例如 category1=['textfile1 content'，'textfile2 content'…等] 我想使用我的阅读器来实现这一点，这意味着引用每个文件（fileids（））并获取其阅读器.raw结果。。。你知道吗

我需要这个来反馈给我的CountVectorizer，为每个类别建立一个向量。。你知道吗

Answer 1

我建议使用os.listdir这样的方法，它将返回指定为其参数的路径的内容列表。你知道吗

举个例子：

对于如下目录结构：

CorpusMain
├ text1.txt
└ text2.txt

文本1.txt：

Text 1 content

文本2.txt：

Text 2 content

以下代码：

import os

def get_txt_content(path, txt):
    with open(path + r'\\' + txt, 'r') as text_file:
        return text_file.read()

def list_txt_content(path):
    textfiles = [_file for _file in os.listdir(path) if _file.endswith('.txt')]
    return [get_txt_content(path, txt) for txt in textfiles]

print list_txt_content(r'~/CorpusMain')

将生成如下列表：

['Text 1 content', 'Text 2 content']

希望有帮助。你知道吗