用python实现读取停用词后对训练集中多个文件夹下的txt文档进行去停用词、分词操作后，利用TF-IDF算法选出标引词，建立分类模型。然后对实验集中的所有txt文档进行分类，并建立UI界面

好的，这是一个比较复杂的任务，需要您分步骤进行实现。我可以给您提供一些思路和参考代码：

1. 读取停用词表

可以使用Python中的nltk库来加载停用词表，代码如下：

import nltk
nltk.download('stopwords')

from nltk.corpus import stopwords
stop_words = set(stopwords.words('english'))

2. 对训练集中的文档进行去停用词、分词操作

可以使用Python中的nltk库来进行文本预处理，代码如下：

from nltk.tokenize import word_tokenize

def preprocess(text):
    # 去除标点符号和数字
    text = re.sub('[^A-Za-z]+', ' ', text)
    # 分词
    words = word_tokenize(text.lower())
    # 去停用词
    words = [word for word in words if word not in stop_words]
    return words

然后，可以遍历所有训练集中的文件夹和文档，并对其进行预处理：

import os

train_dir = 'path/to/train/dir'

data = []
labels = []

for category in os.listdir(train_dir):
    category_dir = os.path.join(train_dir, category)
    for file_name in os.listdir(category_dir):
        file_path = os.path.join(category_dir, file_name)
        with open(file_path, 'r', encoding='utf-8') as f:
            text = f.read()
            words = preprocess(text)
            data.append(words)
            labels.append(category)

3. 利用TF-IDF算法选出标引词，建立分类模型

可以使用Python中的sklearn库来进行TF-IDF特征提取和分类模型训练，代码如下：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline

# 定义分类模型流程
text_clf = Pipeline([('tfidf', TfidfVectorizer()),
                     ('clf', MultinomialNB())])

# 训练分类模型
text_clf.fit(data, labels)

# 对测试集进行预测
test_dir = 'path/to/test/dir'

test_data = []
test_labels = []

for category in os.listdir(test_dir):
    category_dir = os.path.join(test_dir, category)
    for file_name in os.listdir(category_dir):
        file_path = os.path.join(category_dir, file_name)
        with open(file_path, 'r', encoding='utf-8') as f:
            text = f.read()
            words = preprocess(text)
            test_data.append(' '.join(words))
            test_labels.append(category)

predicted = text_clf.predict(test_data)

# 输出分类结果
print(metrics.classification_report(test_labels, predicted))

4. 建立UI界面

可以使用Python中的Tkinter库来建立UI界面，代码如下：

import tkinter as tk
from tkinter import filedialog

# 定义GUI窗口
root = tk.Tk()

# 定义文件选择回调函数
def choose_file():
    file_path = filedialog.askopenfilename()
    with open(file_path, 'r', encoding='utf-8') as f:
        text = f.read()
        words = preprocess(text)
        predicted = text_clf.predict([' '.join(words)])
        result_label.configure(text=predicted[0])

# 定义UI元素
choose_file_button = tk.Button(root, text='Choose File', command=choose_file)
result_label = tk.Label(root, text='')

# 显示UI界面
choose_file_button.pack()
result_label.pack()

root.mainloop()

这样，您就可以通过点击“Choose File”按钮来选择要分类的文档，并在UI界面上显示分类结果了。当然，这只是一个简单的例子，您可以根据自己的需要来修改和扩展这份代码。