如何使用Python或NLTK将每个文本文件的全部内容存储为列表的单个元素

原有代码问题说明 #

你的现有代码存在几个问题导致无法达成需求：

• 定义的textfile_list中文件名未用引号包裹，属于语法错误，字符串类型的文件名必须用引号标注
• 路径拼接缺少分隔符，/user/documents和文件名拼接时中间没有/，会导致路径错误无法找到文件
• 使用text += file_text是把所有文件内容拼接为单个长字符串，没有存入列表的不同元素
• 之前出现单个字符作为列表元素的问题，大概率是你后续对字符串类型的文件内容做了迭代/列表转换操作，而非直接把整个字符串作为单个元素存入列表

实现方案 #

方案1：原生Python实现（推荐，无额外依赖） #

直接用Python内置的文件读取方法读取完整内容，逐个存入列表即可：

# 存储所有文件内容的结果列表
content_list = []
# 文件名必须用引号包裹为字符串格式
textfile_list = ["file1.txt", "file2.txt", "file3.txt", ".......", "file76.txt"]

for f in textfile_list:
    # 拼接完整的文件路径
    file_path = f'/user/documents/{f}'
    # 打开文件读取全部内容
    with open(file_path, 'r', encoding='utf-8') as fp:
        full_file_content = fp.read()
    # 把完整内容作为单个元素追加到列表
    content_list.append(full_file_content)

# 验证结果
print(len(content_list)) # 输出76即和文件数量匹配
print(content_list[0]) # 输出第一个文件的全部内容

方案2：NLTK实现 #

如果需要使用NLTK完成，直接将nltk.data.load返回的完整字符串追加到列表即可，不要对返回的字符串做拆分操作：

import nltk

content_list = []
textfile_list = ["file1.txt", "file2.txt", "file3.txt", ".......", "file76.txt"]

for f in textfile_list:
    file_path = f'/user/documents/{f}'
    file_text = nltk.data.load(file_path)
    # 直接追加完整字符串，不要迭代/拆分file_text
    content_list.append(file_text)

两种方案都可以实现每个文件的完整内容作为列表单个元素的需求，不会出现拆分行、拆分字符的问题。

内容的提问来源于stack exchange，提问作者David R