python文本分词去停用词

在Python中，文本分词和去除停用词是自然语言处理（NLP）的基本步骤之一。通常用于预处理文本数据，以便于后续分析如情感分析、主题建模等。以下是简单的流程：

1. **分词**（Tokenization）: 使用诸如`jieba`库对文本进行切分成一个个词语或单词，这是将连续的文本转换成计算机可以理解的一组单元。

import jieba
text = "这是一个示例句子"
words = jieba.lcut(text)
print(words)  # 输出 ['这是', '一个', '示例', '句子']

2. **下载停用词表**: `jieba`库默认提供了一个中文停用词列表，也可以从其他来源获取，如`NLTK`库对于英文有停用词列表。

from jieba.analyse import load_stop_words
stop_words = load_stop_words('zh')  # 加载中文停用词

3. **去除停用词**: 过滤掉停用词列表中的词语，保留有意义的词汇。

filtered_words = [word for word in words if word not in stop_words]
print(filtered_words)