从Gensim Word2Vec提取高频词时词条前多出换行符如何解决

核心问题原因 #

• 你使用'/n'.join()拼接列表时斜杠方向写反：编程语境下换行符是反斜杠+n即\n，你写的正斜杠/n会被识别为普通文本，直接拼接在每个词条前面，就会出现/nhouse这类不符合预期的结果，触发键错误。
• 若你从本地txt读取词条仍有该问题，是因为读取行时没有去掉每行末尾自带的换行符，导致多余字符被保留进词条变量。
• 你当前贴出的代码存在小疏漏：ausgabe.close缺少括号，不会实际执行文件关闭操作，可能导致写入内容丢失。

修复方法 #

1. 修正join拼接语法 #

如果需要用join方法生成带换行的文本，把正斜杠换成反斜杠即可：

# 错误写法
# wrong_text = '/n'.join(new_list)
# 正确写法
correct_text = '\n'.join(new_list)

2. 本地txt读取时自动去除换行符 #

读取本地词表文件时，调用strip()方法去除每行首尾的空白字符（包含换行符、空格、制表符等）：

with open("wigbelsZahlen.txt", "r", encoding="utf-8") as f:
    # 自动过滤空行，去除每行首尾多余字符
    corpus_words = [line.strip().split('\t')[0] for line in f if line.strip()]

3. 修正后的导出词频完整代码 #

from gensim.models import Word2Vec

Model_Pfad = r'D:\OneDrive\Phyton\modelC.model'
# 推荐用with上下文管理器，自动处理文件关闭，不用手动写close
with open('D:\\OneDrive\\Phyton\\wigbelsZahlen.txt', 'w', encoding='utf-8') as ausgabe:
    model = Word2Vec.load(Model_Pfad)
    # 取频率最高的1000个词
    x = list(model.wv.index_to_key[:1000])
    stop_words = set(["an", 'as', 'art', 'ab', 'al', "aber", "abk.", "alle", "allem", "allen", "aller", "alles", "allg."])
    new_list = [item for item in x if item not in stop_words]
    for i in new_list:
        result = model.wv.get_vecattr(i, "count")
        ausgabe.write(f"{i}\t{result}\n")

内容的提问来源于stack exchange，提问作者Reijarmo