python3txt删除高频低频词_清理.txt并计算最常出现的单词

我需要

1)从停止字列表中清除一个.txt，我把它放在一个单独的.txt中。在

2)之后，我需要数一数25个最常用的单词。在

这是我第一部分的想法：#!/usr/bin/python

# -*- coding: iso-8859-15 -*-

import re

from collections import Counter

f=open("text_to_be_cleaned.txt")

txt=f.read()

with open("stopwords.txt") as f:

stopwords = f.readlines()

stopwords = [x.strip() for x in stopwords]

querywords = txt.split()

resultwords = [word for word in querywords if word.lower() not in stopwords]

cleantxt = ' '.join(resultwords)

对于第二部分，我使用以下代码：

^{pr2}$

要清理的源文件如下所示：

(二)

第二段第一句末尾应加上“并致高级代表”；第二句中，“每年举行一次辩论”改为“每年举行两次辩论”，并改为“每年举行两次辩论”，“包括共同安全和防卫政策”应插入末尾。在

非索引字表如下：

这

这是

他们

你

这个

然后

从那里

夺命蜂巢

然后

他们

当我运行所有这些时，不知何故，输出仍然包含非索引字列表中的单词：

[(“条款”，911)、(“欧洲”，586)、(“欧洲”，586)、(“理事会”，569)、(“欧盟”，530)、(“成员”，377)、(“国家”，282)、(“议会”，244)、(“委员会”，230)、(“依据”，217)、(“条约”，187)、(“in”，174)、(“程序”，161)、(“政策”，137)、(“合作”，136)、(“立法”，136)、(“代理”，130)、(“法案”，125)、(“修订”，125)，(“州”，123)，(“规定”，115)，(“安全”，113)，(“措施”，111)，(“通过”，109)，(“共同”，108)]

你可能会说，我刚开始学习python，所以我非常感谢你的简单解释！：)

可在此处找到使用的文件：

编辑：为sourcefile、stopwordfile和输出添加了示例。

提供源文件