Ich suche nach einer Textanalyse in einem Programm, das ich schreibe. Ich suche nach alternativen Textquellen in seiner rohen Form, ähnlich wie bei den Wikipedia-Dumps (download.wikimedia.com).Wo finde ich einen Absturz von Rohtext im Internet?
Ich würde lieber nicht durch die Mühe gehen Webseiten crawlen, die HTML zu analysieren versucht, extrahieren Text etc ..
Welche Art von Text suchen Sie?
Es gibt viele kostenlosen E-Bücher (Belletristik und Sachliteratur) im .txt-Format bei Project Gutenberg zur Verfügung.
Sie haben auch large DVD images volle Bücher zum Download zur Verfügung.
die gutenberg project hat große Mengen an E-Books in verschiedenen Formaten (einschließlich Klartext)
NLTK bietet eine einfache API zum Python many text corpora zuzugreifen, einschließlich Gutenberg, Reuters, Shakespeare, und andere.
>>> from nltk.corpus import brown
>>> brown.words()
['The', 'Fulton', 'County', 'Grand', 'Jury', 'said', ...]
+1 Ich kam hierher, um PG zu veröffentlichen. – Joe