Je cherche à faire de l'analyse de texte dans un programme que j'écris. Je suis à la recherche d'autres sources de texte dans sa forme brute similaire à ce qui est fourni dans les dumps Wikipedia (download.wikimedia.com).Où puis-je trouver un vidage de texte brut sur le Web?
Je préfère ne pas avoir à passer par la peine de sites ramper, en essayant d'analyser le html, l'extraction de texte etc ..
Quel genre de texte que vous cherchez?
Il existe de nombreux livres électroniques gratuits (de fiction et de non-fiction) au format .txt disponibles au Project Gutenberg. Ils ont également large DVD images plein de livres disponibles pour le téléchargement.
le gutenberg project a d'énormes quantités de livres électroniques dans différents formats (y compris le texte brut)
NLTK fournit une API simple Python pour accéder many text corpora, y compris Gutenberg, Reuters, Shakespeare, et d'autres.
>>> from nltk.corpus import brown
>>> brown.words()
['The', 'Fulton', 'County', 'Grand', 'Jury', 'said', ...]
+1 Je suis venu ici pour poster PG. – Joe