국립국어원(National Institute of Korean Language) 언어정보나눔터: 말뭉치 파일 전처리 코드
- Pypi
pip install nikl
- Source Code
git clone https://github.com/study-artificial-intelligence/nikl.git cd nikl python setup.py install
- beautifulsoup4 (
pip install beautifulspul4
로 설치)
- 변환을 원하는 국립국어원 언어정보나눔센터의 말뭉치 사전을
./data
폴더에 넣어주세요. - 아래의 명령어에서 대괄호[, ]로 묶여있는 것들 중 선택해서 사용하세요.
단,--filename
에는 반드시 한 개 이상의 파일명이 들어가야 합니다. - 코드가 정상적으로 작동 시,
./data/
폴더에파일이름_info.txt
,파일이름_content.txt
가 생성됩니다.
python preprocess.py --filename [파일명.txt] [--info] [--content] [--newline]
# ex1) python preprocess.py --filename test.txt --content --newline
# test.txt에서 단락 내용만 개행문자를 포함해서 data/test_content.txt 파일 생성
# ex2) python preprocess.py --filename test2.txt test3.txt --info --content
# text2.txt와 text3.txt에서 파일의 정보와 단락 내용을 각각 저장 후 data/test2_info.txt, test2_content.txt
# data/test3_info.txt, test3_content.txt 파일 생성