Program Python untuk Mengolah Teks dari File Word
Program 1: Membaca dan Menampilkan Konten dari File Word
Program ini menggunakan pustaka `python-docx` untuk membaca konten dari file Microsoft
Word (.docx).
Kode berikut membaca file Word dan menampilkan seluruh teks yang ada di dalamnya:
from docx import Document
# Fungsi untuk membaca konten dari file Word
def read_word_file(file_path):
document = Document(file_path)
content = []
for para in [Link]:
[Link]([Link])
return '\n'.join(content)
# Path file Word
file_path = 'path/to/your/[Link]'
# Membaca dan menampilkan konten
content = read_word_file(file_path)
print(content)
Penjelasan:
- Program ini membaca file Word dan menampilkan seluruh teks yang ada di dalamnya.
- Pustaka `python-docx` digunakan untuk mengakses dan membaca dokumen Word.
Program 2: Preprocessing Teks dari File Word
Program ini membaca teks dari file Word dan melakukan preprocessing seperti mengubah
teks menjadi huruf kecil, menghapus tanda baca, dan menghapus stop words. Kode berikut
melakukan tugas tersebut:
from docx import Document
import string
from [Link] import stopwords
# Fungsi untuk membaca konten dari file Word
def read_word_file(file_path):
document = Document(file_path)
content = []
for para in [Link]:
[Link]([Link])
return ' '.join(content)
# Fungsi untuk preprocessing teks
def preprocess_text(text):
# Mengubah teks menjadi huruf kecil
text = [Link]()
# Menghapus tanda baca
text = [Link]([Link]('', '', [Link]))
# Menghapus stop words
stop_words = set([Link]('indonesian'))
words = [Link]()
filtered_words = [word for word in words if word not in stop_words]
return ' '.join(filtered_words)
# Path file Word
file_path = 'path/to/your/[Link]'
# Membaca dan melakukan preprocessing pada konten
content = read_word_file(file_path)
processed_content = preprocess_text(content)
print(processed_content)
Penjelasan:
- Program ini membaca teks dari file Word dan melakukan beberapa langkah preprocessing.
- Teks diubah menjadi huruf kecil, tanda baca dihapus, dan stop words dihapus
menggunakan pustaka `nltk`.