相当于wordpress sanitize_文本的Python

我需要与wordpress sanitize_文本等效的Python

标题：

'mygubbi raises $25 mn seed funding from bigbasket co founder others'

wordpress提供

"mygubbi-raises-2-5-mn-seed-funding-bigbasket-co-founder-others"

Python slugify提供

"mygubbi-raises-2-5-mn-seed-funding-from-bigbasket-co-founder-others"

我使用了python slugify python库

---

我是否应该仅仅删除诸如from、in和to之类的词。哪里可以找到这些停止词？

有一个名为nltk的python模块。这为您提供了完全实现这一点的可能性

只需在这个网站上向下滚动一点，就可以找到标题“删除停止词”。有一些使用此模块执行此操作的示例。

库中有一个

stopwords

参数，可与

nltk

一起使用，如下所示：

from slugify import slugify
from nltk.corpus import stopwords

text = 'mygubbi raises $25 mn seed funding from bigbasket co founder others'
print slugify(text, stopwords=stopwords.words('english'))

import nltk

nltk.download()

这将打印：

mygubbi-raises-25-mn-seed-funding-bigbarket-co-founder-others

安装

nltk

后，您可以安装其他语料库，其中一个是

stopwords

。要执行此操作，请按如下方式运行其内置下载实用程序：

from slugify import slugify
from nltk.corpus import stopwords

text = 'mygubbi raises $25 mn seed funding from bigbasket co founder others'
print slugify(text, stopwords=stopwords.words('english'))

import nltk

nltk.download()

选择

Corpora

，向下滚动至

stopwords

，然后单击

下载

按钮