معرفی شرکت ها

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 بیشتر

توضیحات

Lightweight NLP preprocessing package for Arabic language

ویژگی	مقدار
سیستم عامل	-
نام فایل	fathah-0.0.2
نام	fathah
نسخه کتابخانه	0.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Abdul Fathah KA
ایمیل نویسنده	fathah@ziqx.in
آدرس صفحه اصلی	https://github.com/fathah/fathah_python
آدرس اینترنتی	https://pypi.org/project/fathah/
مجوز	-

# fathah Lightweight NLP preprocessing package for Arabic language ## Installation ```sh pip install fathah ``` ## Usage ```python from Fathah import TextClean ``` ## Methods ### Clean the text `clean_text` function includes all these functions: > 1. remove_emails > 2. remove_URLs > 3. remove_mentions > 4. hashtags_to_words > 5. remove_punctuations > 6. normalize_arabic > 7. remove_diacritics > 8. remove_repeating_char > 9. remove_stop_words > 10. remove_emojis In other words, `clean_text` includes all functions except `remove_hashtags` ``` text_cleaned1 = TextClean.clean_text(text) print(text_cleaned1) ``` ### Remove repeating character `remove_repeating_char` function ``` text_cleaned2 = TextClean.remove_repeating_char(text) print(text_cleaned2) ``` ### Remove punctuations `remove_punctuations` function ``` text_cleaned3 = TextClean.remove_punctuations(text) print(text_cleaned3) ``` ### Normalize Arabic `normalize_arabic` function ``` text_cleaned4 = TextClean.normalize_arabic(text) print(text_cleaned4) ``` ### Remove diacritics `remove_diacritics` function ``` text_cleaned5= TextClean.remove_diacritics(text) print(text_cleaned5) ``` ### Remove stop words `remove_stop_words` function ``` text_cleaned6 = TextClean.remove_stop_words(text) print(text_cleaned6) ``` ### Remove emojis `remove_emojis` function ``` text_cleaned7 = TextClean.remove_emojis(text) print(text_cleaned7) ``` ### Remove mentions `remove_mentions` function ``` text_cleaned8 = TextClean.remove_mentions(text) print(text_cleaned8) ``` ### Convert any hashtags to words `hashtags_to_words` function ``` text_cleaned9 = TextClean.hashtags_to_words(text) print(text_cleaned9) ``` ### Remove hashtags `remove_hashtags` function ``` text_cleaned10 = TextClean.remove_hashtags(text) print(text_cleaned10) ``` ### Remove emails `remove_emails` function ``` text_cleaned11 = TextClean.remove_emails(text) print(text_cleaned11) ``` ### Remove URLs `remove_URLs` function ``` text_cleaned12 = TextClean.remove_URLs(text) print(text_cleaned12) ``` ## Example ```python from fathah import TextClean cleaner = TextClean(text) cleaner.remove_diacritics() # Outputs: السلام عليكم ورحمة الله وبركاته ``` *This package is under development. Contributions are highly welcome* [Github](https://github.com/fathah) | [IG](https://instagram.com/fatha_cr)

نحوه نصب

نصب پکیج whl fathah-0.0.2:

pip install fathah-0.0.2.whl

نصب پکیج tar.gz fathah-0.0.2:

pip install fathah-0.0.2.tar.gz