问nltk是否包含阿拉伯语停止词，如果没有，我如何添加它？

EN

截至2017年10月，nltk收录了一批阿拉伯语词组。如果您在该日期之后运行nltk.download()，则不会出现此问题。如果您已经使用nltk有一段时间了，而您现在缺少阿拉伯语停止词，请使用nltk.download()更新您的停止语语料库。

1. 如果不带参数地调用nltk.download()，您会发现stopwords语料库显示为“过期”(红色)。下载包含阿拉伯语的当前版本。
2. 或者，您只需从交互式提示符中运行以下代码，，就可以简单地更新停止词语料库：进口nltk >>> nltk.download(“秒表”)

注：

在列表中查找单词是非常缓慢的。使用集合，而不是列表。例如，

arb_stopwords = set(nltk.corpus.stopwords.words("arabic"))

原文(仍适用于不包括在内的语文)

为什么不直接检查一下stopwords集合包含什么：

>>> from nltk.corpus import stopwords
>>> stopwords.fileids()
['danish', 'dutch', 'english', 'finnish', 'french', 'german', 'hungarian',
 'italian', 'norwegian', 'portuguese', 'russian', 'spanish', 'swedish',
 'turkish']

所以没有阿拉伯语的名单。我不知道你所说的“添加它”是什么意思，但是停止词列表只是单词的列表。他们甚至不做形态学分析，或其他你可能希望在一种屈折的语言。因此，如果您有(或可以将)阿拉伯语停止词的列表，只需将它们放在一个set()中，那么如果代码工作的话，您就领先了一步。

这里有一张阿拉伯语停止词列表：

https://github.com/mohataher/arabic-stop-words/blob/master/list.txt

如果您使用文件名nltk_data将该文件保存在您的arabic目录中，那么您将能够使用上面的代码使用nltk调用它，即：

from nltk.corpus import stopwords
stopwords_list = stopwords.words('arabic')

(请注意，可以通过在nltk_data解释器中键入nltk.data.path来查看您的nltk.data.path目录的可能位置)。

您也可以使用alexis的建议来检查是否找到它。

请注意他的建议，将停止词列表转换为一个集合：stopwords_set = set(stopwords.words('arabic'))，因为它会对性能产生真正的影响。

您应该使用这个名为“阿拉伯语停止词”的库，这里是它的要点：

pip install Arabic-Stopwords

只需安装它，应该在输入以下内容之后导入：

import arabicstopwords.arabicstopwords as stp

它比nltk的要好得多