質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.06%

  • Python

    5124questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

pythonでのファイルの取得

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 144

bigbox267

score 16

基礎的なことですみません
pythonを触り始めたのですがこのコードは指定したディレクトリの、拡張子が.txtで終わるドキュメントをすべて取得していくコードであっていますか?

また、その場合

C:\cygwin64\home\hoge\text内の

複数のディレクトリに対して検索をかけてほしい場合、./textの部分をどのように変更すればよいですか?

def corpus_files():
    dirs = [path.join('./text', x)
            for x in listdir('./text') if not x.endswith('.txt')]
    docs = [path.join(x, y)
            for x in dirs for y in listdir(x) if not x.startswith('LICENSE')]
    return docs

※このコードはリンク内容こちらのページにあるコードをそのままコピペしました

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

+3

corpus_files関数を以下のように展開してみると理解しやすいかと思います。

# 「./text」ディレクトリから「'.txt'」で終わらないパス(=ディレクトリ)を取得
dirs = []
lists = listdir('./text')
for x in lists:
    if not x.endswith('.txt'):
    #if path.isdir(path.join('./text',x)): # まだこちらのほうがまし
        dir = path.join('./text', x)
        dirs.append(dir)
print('dirs:',dirs)

# 各ディレクトリから「LICENSE」で始まらないパスを取得
docs = []
for x in dirs:
    lists = listdir(x)
    print('listdir:',x, lists)
    for y in lists:
        if not y.startswith('LICENSE'):
            doc = path.join(x, y)
            docs.append(doc)
print('docs',docs)

ただし元関数にはバグがあり「LICENSE.txt」も取得しています。

def corpus_files():
    dirs = [path.join('./text', x)
            for x in listdir('./text') if not x.endswith('.txt')]
    docs = [path.join(x, y)
            for x in dirs for y in listdir(x) if not x.startswith('LICENSE')]
            #for x in dirs for y in listdir(x) if not y.startswith('LICENSE')]  # こちらを意図したはず
    return docs

print(corpus_files())

複数のディレクトリに対して検索をかけてほしい場合、./textの部分をどのように変更すればよいですか?

私なら、以下のように関数を修正します。

  • 引数で、検索対象ディレクトリを指定できるように
  • globを利用し、サブフォルダも含めて再帰的に.txtを検索
  • 除外ファイルを明示的に指定
def corpus_files(base_dir):
    import glob
    findPath = path.join( base_dir, 'text/**/*.txt') # 「text」まで呼出元で指定させるほうがスマートだが
    paths = glob.glob( findPath,recursive=True)

    docs = []
    ignore = ('LICENSE.txt','README.txt','CHANGES.txt')
    for p in paths:
        if path.basename(p) not in ignore:
            docs.append(p)

    return docs

print( corpus_files('./')) # 相対パスで
print( corpus_files('c:/hoge/huga/')) # 絶対パスで

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/12/30 12:01

    御二人とも丁寧な解答ありがとうございました
    勉強になりました

    キャンセル

+2

このコードは指定したディレクトリの、拡張子が.txtで終わるドキュメントをすべて取得していくコードであっていますか?

違います。
条件がnot x.endswith('.txt')なので、txt以外のファイルあるいはディレクトリです。

テキストファイルをすべて取得したいのなら、glob.globを使うと簡単に書けます。

import glob
txt_files = glob.glob('./text/*.txt')
print(txt_files)

ここで*はいわゆるワイルドカードで、『この部分は何でもいいよ』といった意味です。


また、その場合C:\cygwin64\home\hoge\text内の複数のディレクトリに対して検索をかけてほしい場合、./textの部分をどのように変更すればよいですか?

複数のディレクトリという表現が曖昧ですが、おそらく次で良いでしょう。

import glob
txt_files = glob.glob('./text/*/*.txt')
print(txt_files)

修正前

for x in listdir(r'C:\cygwin64\home\hoge\text')

絶対パス相対パスについて勉強してください。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/12/27 15:24

    あ、ちょっと外してしまった。少し内容を書き換えるので少々お待ちください。

    キャンセル

  • 2017/12/30 12:01

    御二人とも丁寧な解答ありがとうございました
    勉強になりました

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 91.06%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python

    5124questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。