[Madrid-pm] Eliminar las stopwords de un texto
Ruben Espadas Vargas
rubenespadas en gmail.com
Lun Mar 29 02:21:34 PDT 2010
Buenos días,
Para mi la forma que dice Salvador seria de las mas correctas, ya que si
lo que quieres mantener es la estructura y cada registro es una linea en
el fichero deberias de leer el fichero linea a linea e ir eliminando de
cada una lo que quieras, en este caso las stopwords.
Saludos
El 29/03/2010 11:17, Salvador Fandino escribió:
>
>
>
> ----- Original Message ----
>
>> From: PEGG <preiddy en gmail.com>
>> To: Lista de correo de Madrid Perl Mongers <madrid-pm en pm.org>
>> Sent: Mon, March 29, 2010 11:10:09 AM
>> Subject: Re: [Madrid-pm] Eliminar las stopwords de un texto
>>
>> Gracias, pero con esa forma pierdo la estructura de registro, en
>>
> teoría cada
>
>> registro está separado por un salto de linea. Aunque he
>>
> visto algunos
>
>> registros que dentro tienen varios saltos de lineas, por
>>
> eso digo en teoria,
>
>> jajajaja. Esto me tiene loco,
>> jajajaja,
>>
> que tal asi:
>
> use Lingua::EN::StopWords qw(%StopWords);
>
> open(TEXTO,"contenido.txt");
>
> while (<TEXTO>) {
> my @words = grep !$StopWords{$_}, /\w+/g;
> print "@words\n";
> }
>
> De todas formas, todo dependera de lo que quieras obtener. Antes de ponerte a escribir nada en Perl deberias de pararte a pensar como son tus datos de entrada y en que los quieres transformar.
>
> - Salva
> _______________________________________________
> Madrid-pm mailing list
> Madrid-pm en pm.org
> http://mail.pm.org/mailman/listinfo/madrid-pm
>
Más información sobre la lista de distribución Madrid-pm