遍历文件夹,提取文本,创建单个数据框
创始人
2024-12-04 11:31:48
0

以下是一个示例代码,用于遍历文件夹中的文件,提取文本并创建一个单个数据框:

import os
import pandas as pd

def extract_text(file_path):
    with open(file_path, 'r') as file:
        text = file.read()
    return text

def create_dataframe(root_folder):
    data = {'File': [], 'Text': []}
    
    for root, dirs, files in os.walk(root_folder):
        for file in files:
            file_path = os.path.join(root, file)
            text = extract_text(file_path)
            
            data['File'].append(file_path)
            data['Text'].append(text)
    
    df = pd.DataFrame(data)
    return df

# 设置根文件夹路径
root_folder = '文件夹路径'

# 创建数据框
df = create_dataframe(root_folder)

# 打印数据框
print(df)

上述代码中,首先定义了两个函数:extract_text()用于提取文件的文本内容,create_dataframe()用于创建数据框。extract_text()函数接受文件路径作为参数,并使用open()函数打开文件并读取内容,并返回文本。create_dataframe()函数接受根文件夹路径作为参数,使用os.walk()函数遍历文件夹中的所有文件,并调用extract_text()函数提取文本内容。提取的文件路径和文本内容分别存储在字典data的键FileText中。最后,使用pd.DataFrame()函数将字典转换为数据框,并返回该数据框。

你需要将root_folder变量设置为你想要遍历的文件夹的路径。运行代码后,将会输出一个包含文件路径和文本内容的数据框。

相关内容

热门资讯

保存时出现了1个错误,导致这篇... 当保存文章时出现错误时,可以通过以下步骤解决问题:查看错误信息:查看错误提示信息可以帮助我们了解具体...
汇川伺服电机位置控制模式参数配... 1. 基本控制参数设置 1)设置位置控制模式   2)绝对值位置线性模...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...
表格中数据未显示 当表格中的数据未显示时,可能是由于以下几个原因导致的:HTML代码问题:检查表格的HTML代码是否正...
本地主机上的图像未显示 问题描述:在本地主机上显示图像时,图像未能正常显示。解决方法:以下是一些可能的解决方法,具体取决于问...
表格列调整大小出现问题 问题描述:表格列调整大小出现问题,无法正常调整列宽。解决方法:检查表格的布局方式是否正确。确保表格使...
不一致的条件格式 要解决不一致的条件格式问题,可以按照以下步骤进行:确定条件格式的规则:首先,需要明确条件格式的规则是...
Android|无法访问或保存... 这个问题可能是由于权限设置不正确导致的。您需要在应用程序清单文件中添加以下代码来请求适当的权限:此外...
【NI Multisim 14...   目录 序言 一、工具栏 🍊1.“标准”工具栏 🍊 2.视图工具...
银河麒麟V10SP1高级服务器... 银河麒麟高级服务器操作系统简介: 银河麒麟高级服务器操作系统V10是针对企业级关键业务...