import jieba

import re

# 停用詞

# 創建停用詞列表

def get_stopwords_list():

stopwords = [line.strip() for line in open('stopwords.txt',encoding='UTF-8').readlines()]

return stopwords

# 對句子進行中文分詞

def seg_depart(sentence):

# 對文檔中的每一行進行中文分詞

sentence_depart = jieba.lcut(sentence.strip())

return sentence_depart

def remove_digits(input_str):

punc = u'0123456789.'

output_str = re.sub(r'[{}]+'.format(punc), '', input_str)

return output_str

# 去除停用詞

def move_stopwords(sentence_list, stopwords_list):

# 去停用詞

out_list = []

for word in sentence_list:

if word not in stopwords_list:

if not remove_digits(word):

continue

if word != '\t':

out_list.append(word)

return out_list

樣例如下：

sentence = '1、判令被告趙軍霞償還原告借款本息及應收費用共計4278.6元(計算至2017年1月10日，實際還款額以合同約定的計費方式計算至最終還款日)'

stopwords = get_stopwords_list()

sentence_depart = seg_depart(sentence)

print(sentence_depart)

sentence_depart = move_stopwords(sentence_depart, stopwords)

print(sentence_depart)

輸出結果為：

['1', '、', '判令', '被告', '趙軍', '霞', '償還', '原告', '借款', '本息', '及', '應收', '費用', '共計', '4278.6', '元', '(', '計算', '至', '2017', '年', '1', '月', '10', '日', '，', '實際', '還款額', '以', '合同', '約定', '的', '計費', '方式', '計算', '至', '最終', '還款', '日', ')']

['判令', '被告', '趙軍', '霞', '償還', '原告', '借款', '本息', '應收', '費用', '共計', '元', '計算', '年', '月', '日', '還款額', '合同', '約定', '計費', '方式', '計算', '最終', '還款', '日']

總結

以上是生活随笔為你收集整理的java 去停用词_利用jieba分词并去除停用词的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。