Python 创建自定义标记器

我必须使用

CountVectorizer（）

创建一个自定义标记器，它将执行以下操作：

使用nltk中的word_标记器将文本拆分为标记

从

nltk.corpus.stopwords（'俄语'）中删除带有标点符号、数字和标记的标记

使用

SnowballStemmer进行冲压

只有在更改计数向量器中的参数时才能执行此任务吗

我想编一本字典，但我认为有一种方法可以使它更容易

我的尝试：

def custom_token():
    noise = stopwords.words('russian') + list(punctuation) + ??? (what should i take as numerals?)
    return CountVectorizer(ngram_range=(1, 1), lowercase = True, tokenizer = word_tokenize, 
                          stop_words = noise, analyzer = 'word',  )