《使用Python進行自然語言處理》學習筆記五

第三章 加工原料文本 3.1 從網絡和硬盤訪問文本 1 電子書 古騰堡項目的其它文本可以在線獲得， 整個過程大概需要幾十秒（實驗室網絡不行是硬傷） 使用raw（）可以得到原始的字符串。但是raw得到的數據絕對不是我們能直接拿去分析的，還要經過一些預處理。我們要將字符串分解爲詞和標點符號，正如我們在第 1 章中所看到的。這一步被稱爲分詞， 它產生我們所熟悉的結構，一個詞彙和標點符號的鏈表。 2處理的

>>阅读原文<<