使用 matlab 从文件中读取文本时跳过某些单词

Question

我创建了一个 matlab 程序来查找文本文件中的单词二元组及其频率。为此，我使用 textread 函数创建了一个字符串元胞数组：

unigrams = textread('file.txt','%s');

但我也希望省略一堆单词，如“to”、“the”、“is”、“or”等以及特殊字符“#”、“$”、“&”和我的单元格数组中的“%”。有没有办法在从原始文件中读取单词时排除这些单词。

谢谢。

Answer 1

您可以在阅读文本后使用 setdiff 删除不需要的单词：

unigrams = {'I' 'like' 'this' 'or' 'that' 'Here' 'are' 'some' 'symbols' '#' '
 '&'}
setdiff(unigrams, {'the', 'is' 'or' '#' '
 '&'}, 'stable')

unigrams = 
  Columns 1 through 8
    'I'   'like'   'this'   'or'   'that'   'Here'   'are'   'some'
  Columns 9 through 12
    'symbols'   '#'   '
   '&'
ans = 
    'I'   'like'   'this'   'that'   'Here'   'are'   'some'   'symbols'