python提取文本英文单词

可以使用正则表达式来提取文本中的英文单词。以下是一个示例代码：

import re

text = "This is a sample text with some English words."
words = re.findall(r'\b[A-Za-z]+\b', text)

print(words)

输出:

['This', 'is', 'a', 'sample', 'text', 'with', 'some', 'English', 'words']

这里使用了正则表达式 `\b[A-Za-z]+\b`，其中 `\b`表示单词的边界，`[A-Za-z]+`表示匹配一个或多个字母。`re.findall()`函数返回所有匹配的结果。

相关问题

python提取pdf英文单词转为word

要实现将PDF中的英文单词提取到Word文档中，可以使用Python的PyPDF2和Python-docx库。

首先需要安装这两个库，可以使用以下命令：

pip install PyPDF2 python-docx

然后，可以使用以下代码实现提取PDF中的英文单词并保存到Word文档中：

import PyPDF2
from docx import Document

# 打开PDF文件
pdf_file = open('example.pdf', 'rb')
pdf_reader = PyPDF2.PdfFileReader(pdf_file)

# 创建一个Word文档
doc = Document()

# 遍历PDF中的每一页
for page_num in range(pdf_reader.numPages):
    # 获取当前页的内容
    page = pdf_reader.getPage(page_num)
    text = page.extractText()

    # 将文本按空格分割成单词
    words = text.split()

    # 遍历单词列表
    for word in words:
        # 如果单词只包含英文字母，则添加到Word文档中
        if word.isalpha():
            doc.add_paragraph(word)

# 保存Word文档
doc.save('output.docx')

这段代码将会打开名为`example.pdf`的PDF文件，并将其中的英文单词提取出来并保存到一个名为`output.docx`的Word文档中。如果需要修改文件名，可以将代码中的文件名替换为相应的文件名。

python 英文文本单词提取

可以使用Python中的NLTK库来实现英文文本单词提取。下面是一个简单的例子：

首先，需要安装NLTK库并下载其必需的数据（如果尚未安装）：

!pip install nltk
import nltk
nltk.download('punkt')

然后，可以使用如下代码来提取文本中的单词：

from nltk.tokenize import word_tokenize

text = "This is a sample sentence to demonstrate word tokenization."
words = word_tokenize(text)

print(words)

输出结果为：

['This', 'is', 'a', 'sample', 'sentence', 'to', 'demonstrate', 'word', 'tokenization', '.']

`word_tokenize()` 函数将文本分解为单词并返回一个列表。可以使用 `lower()` 函数将所有单词转换为小写字母，以便更好地进行文本处理。