如何用python实现对文本中的单词提取

在Python中提取文本中的单词可以通过多种方法实现，以下是几种常用的方法：

1. 使用字符串的`split（）`方法：

 text = "This is a sentence with several words" words = text.split（） print（words） 输出：['This', 'is', 'a', 'sentence', 'with', 'several', 'words'] 

2. 使用正则表达式模块`re`的`findall（）`函数：

 import re text = "This is a sentence with several words" words = re.findall（r'\b\w+\b', text） print（words） 输出：['This', 'is', 'a', 'sentence', 'with', 'several', 'words'] 

3. 使用`nltk`库进行文本预处理和分词：

 import nltk nltk.download（'punkt'） text = "This is a sentence with several words" words = nltk.word_tokenize（text） print（words） 输出：['This', 'is', 'a', 'sentence', 'with', 'several', 'words'] 

4. 使用`re`模块去除非字母字符后分词：

 import re text = "This is a sentence with several words" line = re.sub（r'[^A-Za-z]', ' ', text.strip（）） words = line.split（） print（words） 输出：['This', 'is', 'a', 'sentence', 'with', 'several', 'words'] 

5. 使用`re`模块去除HTML标签后分词（如果文本中包含HTML标签）：

 import re def strip_html（text）: clean = re.compile（'<.*？>'） return re.sub（clean, '', text） text_with_html = " This is a sentence with several words