对字符串列表进行标记以返回一个标记化的单词列表

Question

美好的一天，

我有一个功能，应该能够降低和标记文本并返回令牌。以下是以下功能：

def preprocess_text(text):
""" A function to lower and tokenize text data """ 
# Lower the text
lower_text = text.lower()

# tokenize the text into a list of words
 tokens = nltk.tokenize.word_tokenize(lower_text)

return tokens

然后，我希望将该函数应用于我的实际文本数据data，这是一个包含字符串的列表。我想迭代data中的每个字符串并应用该函数来降低和标记化文本数据。

最后，我希望将标记化的单词附加到名为tokenized_final的最终列表中，该列表应该是包含标记化单词的最终列表。以下是下面的代码：

# Final list with tokenized words
tokenized_final = []

# Iterating over each string in data
for x in data:
    # Calliing preprocess text function
    token = preprocess_text(x)

    tokenized_final.append(token)  

但是，当我做这一切并打印列表tokenized_final。它输出一个包含列表的大列表。

print (tokeninized_final)

Output:
 [['pfe', 'bulls', 'have', 'reasons', 'on'],
 ['to', 'pay', 'more', 'attention'],
 ['there', 'is', 'still']]

当我想要的tokenized_final输出在一个列表中是这样的：

['pfe', 'bulls', 'have', 'reasons', 'on','to', 'pay','more', 'attention','there','is', 'still']

有没有办法纠正预处理功能并将其应用于数据以获得所需的输出。或者有什么方法可以做到这一点吗？......在这里真的很感激帮助。提前致谢

Answer 1

您只需要展平结果列表：

# Final list with tokenized words
tokenized_final = []

# Iterating over each string in data
for x in data:
    # Calliing preprocess text function
    token = preprocess_text(x)

    tokenized_final.append(token) 

flattened_tokeninized_final = [i for j in tokeninized_final for i in j]