Python 在从头开始创建语料库的同时去掉.DS_存储文件

我对Python非常陌生，需要从头创建一个语料库。我对.DS\u存储文件有问题。我试着手动擦除它，用Terminal或Python擦除它，但没有任何效果。当.DS\u存储存在时，我无法进行NLP计算。这是我的代码：

import nltk
import random
nltk.download('cmudict')
nltk.download('wordnet')
nltk.download('stopwords')
nltk.download('averaged_perceptron_tagger')
nltk.download('punkt')
from nltk.corpus import cmudict
from nltk.stem.wordnet import WordNetLemmatizer
from nltk.corpus import stopwords
import string
from nltk import word_tokenize
import os
from nltk.corpus.reader.plaintext import PlaintextCorpusReader

corpusdir = '/Users/username/nltk_data/corpusfilename'
corp = PlaintextCorpusReader(corpusdir, '.*')
corp.fileids() # gives me 6 fileids, 5 existing and one .DS_Store

corp.sents() # error: 'utf-8' codec can't decode byte 0xd5 in position 161: invalid 
continuation byte

我使用的是Mac，建议使用if语句，这样语料库只能读取.txt而不能读取.DS_存储。我不知道怎么做。

find-名称“.DS_Store”-从以下位置删除

：

在Apple macOS操作系统中，.DS_Store是一个文件，用于存储其包含文件夹的自定义属性，例如图标的位置或背景图像的选择

因此，可能在任何地方都会有一个

.DS_商店

在这一行：

corp=PlaintextCorpusReader（corpusdir，'.'.''）

您可以选择哪些文件将在语料库中

第二个参数

'.*

是一个正则表达式，用于选择要使用的文件。根据此参数，可以是“指定此语料库中文件ID的列表或regexp”

---

因此，在本例中，您可以将匹配所有内容的

'.*.

更改为匹配任何字符以及“.”和“txt”。或者，如果您知道需要的每个文件的名称，您可以使用文件名列表

['file1.txt'，'file2.txt']

谢谢您的回复。我把它复制到Jupyter笔记本并运行了它，但它给了我一个语法错误（无效语法）。我应该在Terminal还是Python中运行它？您应该在Terminal中运行它。这里的主要目标是指向正确的文件，在这方面，您应该接受@ygorg给出的答案，并重新表述您的问题及其标题，以帮助未来的读者。非常感谢。非常感谢你！成功了。