Python收集txt数据报OSError: [Errno 63]文件名过长错误如何解决

核心报错原因 #

OSError: [Errno 63] File name too long触发的直接问题出在longest_words函数：你调用该函数时传入的是已经读取完成的完整文本字符串，但函数内部仍然调用open(textdict)尝试把传入的内容当文件路径打开，整个文本的长度远超过系统允许的最大文件名长度，因此触发报错。

其他需要修复的代码问题 #

• 重复定义3次同名cleanandtokenize函数，后定义的会覆盖之前的逻辑，不需要为每个文本单独写处理函数，只需保留1个通用版本即可
• 字符串转小写调用漏了括号：textlower = moonstone.lower需改为textlower = moonstone.lower()，否则获取的是方法对象而非转小写后的字符串
• 第一个cleanandtokenize函数返回的token_moonstone未定义，属于变量名错误
• 缺少import re、import nltk导入语句，运行会报名称未定义错误
• split('')写法非法，Python不允许空字符串作为分隔符，会触发ValueError
• 你已提前把所有文本读取到内存中，longest_words无需再执行打开文件的操作

修正后可运行代码 #

import re
import nltk
# 首次运行需要下载punkt分词模型，可取消注释下行
# nltk.download('punkt')

# 读取文本
moonstone = open("../150C/The_Moonstone.txt", encoding = "UTF-8").read()
TGP = open("../150C/The_Garden_Party_&_Other_Stories.txt", encoding = "UTF-8").read()
austen = open("../150C/Austen.txt", encoding = "latin_1").read()

# 通用分词清洗函数
def cleanandtokenize(text):
    textlower = text.lower()
    textcleaner = re.sub(r'[^\w\s]', '', textlower)
    tokens = nltk.word_tokenize(textcleaner)
    return tokens

# 提取最长词函数
def longest_words(text):
    tokens = cleanandtokenize(text)
    max_len = len(max(tokens, key=len))
    return [word for word in tokens if len(word) == max_len]


print(f"*The Moonstone*: {longest_words(moonstone)}",
      f"*The Garden Party and Other Stories*: {longest_words(TGP)}",
      f"*Jane Austens Works*: {longest_words(austen)}",
      sep="\n\n")

内容的提问来源于stack exchange，提问作者annalabagaba