معرفی شرکت ها
data-preprocessors-0.9.0
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
An easy to use tool for Data Preprocessing specially for Text Preprocessing
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | data-preprocessors-0.9.0 |
| نام | data-preprocessors |
| نسخه کتابخانه | 0.9.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Md. Musfiqur Rahaman |
| ایمیل نویسنده | musfiqur.rahaman@northsouth.edu |
| آدرس صفحه اصلی | https://github.com/MusfiqDehan/data-preprocessors |
| آدرس اینترنتی | https://pypi.org/project/data-preprocessors/ |
| مجوز | MIT |
<div align="center">
<img src="https://github.com/MusfiqDehan/data-preprocessors/raw/master/branding/logo.png">
<p>Data Preprocessors</p>
<sub>An easy to use tool for Data Preprocessing specially for Text Preprocessing</sub>
<!-- Badges -->
<!-- [<img src="https://deepnote.com/buttons/launch-in-deepnote-small.svg">](PROJECT_URL) -->
[](https://pypi.org/project/data-preprocessors/)
[](https://pepy.tech/project/data-preprocessors)
[](https://colab.research.google.com/drive/1mJuRfIz__uS3xoFaBsFn5mkLE418RU19?usp=sharing)
[](https://kaggle.com/kernels/welcome?src=https://github.com/keras-team/keras-io/blob/master/examples/vision/ipynb/mnist_convnet.ipynb)
</div>
## **Table of Contents**
- [Installation](#installation)
- [Quick Start](#quick-start)
- [Features](#features)
- [Split Textfile](#split-textfile)
- [Build Parallel Corpus](#build-parallel-corpus)
- [Separate Parallel Corpus](#)
- [Remove Punctuation](#remove-punctuation)
- [Space Punctuation](#space-punctuation)
- [Text File to List](#text-file-to-list)
- [List to Text File](#list-to-text-file)
- [Count Characters of a Sentence](#)
- [Count Words of Sentence](#)
- [Count No of Lines in a Text File](#)
- **[Apply Any Function in a Full Text File](#)**
## **Installation**
Install the latest stable release<br>
**For windows**<br>
```
pip install -U data-preprocessors
```
**For Linux/WSL2**<br>
```
pip3 install -U data-preprocessors
```
## **Quick Start**
```python
from data_preprocessors import text_preprocessor as tp
sentence = "bla! bla- ?bla ?bla."
sentence = tp.remove_punc(sentence)
print(sentence)
>> bla bla bla bla
```
## **Features**
### Split Textfile
This function will split your textfile into train, test and validate. Three separate text files. By changing `shuffle` and `seed` value, you can randomly shuffle the lines of your text files.
```python
from data_preprocessors import text_preprocessor as tp
tp.split_textfile(
main_file_path="example.txt",
train_file_path="splitted/train.txt",
val_file_path="splitted/val.txt",
test_file_path="splitted/test.txt",
train_size=0.6,
val_size=0.2,
test_size=0.2,
shuffle=True,
seed=42
)
# Total lines: 500
# Train set size: 300
# Validation set size: 100
# Test set size: 100
```
### Separate Parallel Corpus
By using this function, you will be able to easily separate `src_tgt_file` into separated `src_file` and `tgt_file`.
```python
from data_preprocessors import text_preprocessor as tp
tp.separate_parallel_corpus(src_tgt_file="", separator="|||", src_file="", tgt_file="")
```
### Remove Punctuation
By using this function, you will be able to remove the punction of a single line of a text file.
```python
from data_preprocessors import text_preprocessor as tp
sentence = "bla! bla- ?bla ?bla."
sentence = tp.remove_punc(sentence)
print(sentence)
# bla bla bla bla
```
### Space Punctuation
By using this function, you will be able to add one space to the both side of the punction so that it will easier to tokenize the sentence. This will apply on a single line of a text file. But if we want, we can use it in a full twxt file.
```python
from data_preprocessors import text_preprocessor as tp
sentence = "bla! bla- ?bla ?bla."
sentence = tp.space_punc(sentence)
print(sentence)
# bla bla bla bla
```
### Text File to List
Convert any text file into list.
```python
mylist= tp.text2list(myfile_path="myfile.txt")
```
### List to Text File
Convert any list into a text file (filename.txt)
```python
tp.list2text(mylist=mylist, myfile_path="myfile.txt")
```
### Apply a function in whole text file
In the place of `function_name` you can use any function and that function will be applied in the full/whole text file.
```python
from data_preprocessors import text_preprocessor as tp
tp.apply_whole(
function_name,
myfile_path="myfile.txt",
modified_file_path="modified_file.txt"
)
```
نیازمندی
| مقدار | نام |
|---|---|
| >=3.7,<4.0 | nltk |
| >=3.1.2,<4.0.0 | bnlp-toolkit |
| ==1.3.0 | pandas |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.7.1,<4.0 | Python |
نحوه نصب
نصب پکیج whl data-preprocessors-0.9.0:
pip install data-preprocessors-0.9.0.whl
نصب پکیج tar.gz data-preprocessors-0.9.0:
pip install data-preprocessors-0.9.0.tar.gz