首页 > 建站教程 > Python教程 >  Python - 过滤重复的单词正文

Python - 过滤重复的单词

很多时候,我们需要仅针对文件中存在的唯一单词分析文本。因此,我们需要从文本中删除重复的单词。这是通过使用nltk中可用的单词标记化和设置功能来实现的。

没有保留订单

在下面的例子中,我们首先将句子标记为单词。然后我们应用set()函数创建一个无序的唯一元素集合。结果具有不排序的唯一单词。

import nltk
word_data = "The Sky is blue also the ocean is blue also Rainbow has a blue colour."

# First Word tokenization
nltk_tokens = nltk.word_tokenize(word_data)

# Applying Set
no_order = list(set(nltk_tokens))

print no_order