Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aprende
Machine
Learning
antes de que sea demasiado tarde
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 1/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
PRÁCTICA
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 2/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 3/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Luego de haber escrito sobre la teoría de iniciación al NLP en el artículo anterior llega
la hora de hacer algunos ejercicios prácticos en código Python para adentrarnos en
este mundo.
Como la idea es hacer Aprendizaje Automático en Español, se me ocurrió buscar
textos en castellano y recordé a Hernan Casciari que tiene los cuentos de su blog
disponibles online y me pareció un buen desafío.
Para quien no conozca a Hernan Casciari, es un escritor genial, hace cuentos muy
entretenidos, de humor (y drama) muy reales, relacionados con su vida, infancia,
relaciones familiares con toques de cción. Vivió en España durante más de una
década y tuvo allí a su primera hija. En 2005 fue premiado como “El mejor blog del
mundo” por Deutsche Welle de Alemania. En 2008 Antonio Gasalla tomó su obra
“Más respeto que soy tu madre” y la llevó al teatro con muchísimo éxito. Escribió
columnas para importantes periódicos de España y Argentina hasta que fundó su
propia editorial Orsai en 2010 donde no depende de terceros para comercializar ni
distribuir sus productos y siempre ofrece versione en pdf (gratuitos). Tiene 7 libros
publicados, apariciones en radio (Vorterix y Perros de la Calle) y hasta llevó sus
historias a una genial puesta en escena llamada “Obra en Construcción” que giró por
muchas provincias de la Argentina, España y Uruguay.
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 4/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 5/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Vamos al código!
ATENCIóN: Este código puede tardar MUCHOS minutos en descargar todos los textos, pues para ser amables con el
servidor, haremos un sleep(0.75) entre cada request (y son 386 cuentos).
Python
1 # Web scraping, pickle imports
2 import requests
3 from bs4 import BeautifulSoup
4 import pickle
5 from time import sleep
6
7 # Web Scrapes transcript data from blog
8 def url_to_transcript(url):
9 '''Obtener los enlaces del blog de Hernan Casciari.'''
10 page = requests.get(url).text
11 soup = BeautifulSoup(page, "lxml")
Privacidad - Términos
12 print('URL',url)
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 6/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
13 enlaces = []
14 for title in soup.find_all(class_="entry-title"):
15 for a in title.find_all('a', href=True):
16 print("Found link:", a['href'])
17
18
19
enlaces.append(a['href'])
sleep(0.75) #damos tiempo para que no nos penalice un firewall
return enlaces
20
21 base = 'https://editorialorsai.com/category/epocas/'
22 urls = []
23 anios = ['2004','2005','2006','2007','2008','2009','2010','2011','2012','2013','2014','2015']
24 for anio in anios:
25 urls.append(base + anio + "/")
26 print(urls)
27
28 # Recorrer las URLs y obtener los enlaces
29 enlaces = [url_to_transcript(u) for u in urls]
30 print(enlaces)
31
32 def url_get_text(url):
33 '''Obtener los textos de los cuentos de Hernan Casciari.'''
34 print('URL',url)
35 text=""
36 try:
37 page = requests.get(url).text
38 soup = BeautifulSoup(page, "lxml")
39 text = [p.text for p in soup.find(class_="entry-content").find_all('p')]
40 except Exception:
41 print('ERROR, puede que un firewall nos bloquea.')
42 return ''
43 sleep(0.75) #damos tiempo para que no nos penalice un firewall
44 return text
45
46 # Recorrer las URLs y obtener los textos
47 MAX_POR_ANIO = 50 # para no saturar el server
48 textos=[]
49 for i in range(len(anios)):
50 arts = enlaces[i]
51 arts = arts[0:MAX_POR_ANIO]
52 textos.append([url_get_text(u) for u in arts])
53 print(len(textos))
54
55 ## Creamos un directorio y nombramos los archivos por año
56 !mkdir blog
57
58 for i, c in enumerate(anios):
59 with open("blog/" + c + ".txt", "wb") as file:
60 cad=""
61 for texto in textos[i]:
62 for texto0 in texto:
63 cad=cad + texto0
64 pickle.dump(cad, file)
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 7/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Cargaremos los archivos txt que creamos en el paso anterior y lo pasaremos a una
estructura en un dataframe de Pandas para seguir usando en el próximo paso.
Python
1 data = {}
2 for i, c in enumerate(anios):
3 with open("blog/" + c + ".txt", "rb") as file:
4 data[c] = pickle.load(file)
5 # Revisamos que se haya guardado bien
6 print(data.keys())
7 # Veamos algun trozo de texto
8 print(data['2008'][1000:1222])
9
10 # Combine it!
11 data_combined = {key: [value] for (key, value) in data.items()}
12
13 # We can either keep it in dictionary format or put it into a pandas dataframe
14 import pandas as pd
15 pd.set_option('max_colwidth',150)
16
17 data_df = pd.DataFrame.from_dict(data_combined).transpose()
18 data_df.columns = ['transcript']
19 data_df = data_df.sort_index()
20 data_df
3 – Limpieza de Datos
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 8/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Ahora aplicaremos algunos de los ltros de limpieza que se suelen usar para poder
tratar el texto:
Pasar texto a minúsculas
Quitar signos de puntuación (interrogación, etc.)
Quitar espacios extra, cambio de carro, tabulaciones
Python
1 # Apply a first round of text cleaning techniques
2 import re
3 import string
4
5 def clean_text_round1(text):
6 '''Make text lowercase, remove text in square brackets, remove punctuation and remove words
7 text = text.lower()
8 text = re.sub('\[.*?¿\]\%', ' ', text)
9 text = re.sub('[%s]' % re.escape(string.punctuation), ' ', text)
10 text = re.sub('\w*\d\w*', '', text)
11 return text
12
13 round1 = lambda x: clean_text_round1(x)
14
15 data_clean = pd.DataFrame(data_df.transcript.apply(round1))
16
17 # Apply a second round of cleaning
18 def clean_text_round2(text):
19 '''Get rid of some additional punctuation and non-sensical text that was missed the first t
20 text = re.sub('[‘’“”…«»]', '', text)
21 text = re.sub('\n', ' ', text)
22 return text
23
24 round2 = lambda x: clean_text_round2(x)
25
26 data_clean = pd.DataFrame(data_clean.transcript.apply(round2))
27 data_clean
28
29 # Let's pickle it for later use
30 data_df.to_pickle("corpus.pkl")
Python
1 # We are going to create a document-term matrix using CountVectorizer, and exclude common Spani
2 from sklearn.feature_extraction.text import CountVectorizer
3
4 with open('spanish.txt') as f: Privacidad - Términos
5 lines = f.read().splitlines()
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 9/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
6
7 cv = CountVectorizer(stop_words=lines)
8 data_cv = cv.fit_transform(data_clean.transcript)
9 data_dtm = pd.DataFrame(data_cv.toarray(), columns=cv.get_feature_names())
10
11
12
data_dtm.index = data_clean.index
data_dtm.to_pickle("dtm.pkl")
13 # Let's also pickle the cleaned data (before we put it in document-term matrix format) and the C
14 data_clean.to_pickle('data_clean.pkl')
15 pickle.dump(cv, open("cv.pkl", "wb"))
16
17 data_dtm
4 – Análisis Exploratorio
Python
1 data = pd.read_pickle('dtm.pkl')
2 data = data.transpose()
3 data.head()
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 10/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
1
top_dict = {}
Python
2 for c in data.columns:
3 top = data[c].sort_values(ascending=False).head(30)
4 top_dict[c]= list(zip(top.index, top.values))
5 print(top_dict)
6 # Print the top 15 words by year
7 for anio, top_words in top_dict.items():
8 print(anio)
9 print(', '.join([word for word, count in top_words[0:14]]))
Python
1 --- 2004 si, alex, vez, lucas, cada, dos, ahora, ser, después, casa, años, siempre, nadie, ver <b
Vemos en el listado que hay palabras muy usadas pero que realmente no tienen un
signi cado útil para el análisis. Entonces haremos lo siguiente: uniremos las 12 listas
de más palabras en un nuevo ranking y de esas, tomaremos las “más usadas” para
ser agregar en nuestro listado de Stop Words.
Python
1 from collections import Counter
2
3 # Let's first pull out the top 30 words for each anio
4 words = []
5 for anio in data.columns:
6 top = [word for (word, count) in top_dict[anio]]
7 for t in top:
8 words.append(t)
9 print(Counter(words).most_common())
10 add_stop_words = [word for word, count in Counter(words).most_common() if count > 6]
11 add_stop_words
Python
1 ['si',<br> 'vez',<br> 'cada',<br> 'dos',<br> 'ahora',<br> 'después',<br> 'años',<br> 'hace
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 11/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Python
1 from sklearn.feature_extraction import text
2 from sklearn.feature_extraction.text import CountVectorizer
3
4
5
6
# Read in cleaned data
data_clean = pd.read_pickle('data_clean.pkl')
7 # Add new stop words
8 with open('spanish.txt') as f:
9 stop_words = f.read().splitlines()
10 for pal in add_stop_words:
11 stop_words.append(pal)
12 more_stop_words=['alex','lucas','andrés','mirta','tres','primer','primera','dos','uno','veces',
13 for pal in more_stop_words:
14 stop_words.append(pal)
15
16 # Recreate document-term matrix
17 cv = CountVectorizer(stop_words=stop_words)
18 data_cv = cv.fit_transform(data_clean.transcript)
19 data_stop = pd.DataFrame(data_cv.toarray(), columns=cv.get_feature_names())
20 data_stop.index = data_clean.index
21
22 # Pickle it for later use
23 import pickle
24 pickle.dump(cv, open("cv_stop.pkl", "wb"))
25 data_stop.to_pickle("dtm_stop.pkl")
Haremos una primer aproximación a “qué tenía Hernan Casciari en su cabeza” entre
2004 y 2015 en sus cuentos usando un modo de visualización llamado WordCloud.
Esto puede requerir que debas instalar la librería Wordcloud con Pip ó si tienes
instalado Anaconda, desde la interface ó por terminal con conda install -c conda-forge
wordcloud
Python
1 from wordcloud import WordCloud
2
3 wc = WordCloud(stopwords=stop_words, background_color="white", colormap="Dark2",
4 max_font_size=150, random_state=42)
5
6 import matplotlib.pyplot as plt
7 plt.rcParams['figure.figsize'] = [16,12]
8
9 # Create subplots for each anio
10 for index, anio in enumerate(data.columns):
11 wc.generate(data_clean.transcript[anio])
12 plt.subplot(4, 3, index+1)
13 plt.imshow(wc, interpolation="bilinear")
14 plt.axis("off")
15 plt.title(anios[index])
16 plt.show()
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 12/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Ahora sacaremos algunas estadísticas de palabras únicas por año (el tamaño del
vocabulario empleado) y el promedio de palabras por artículo
Python
1 # Find the number of unique words per Year
2 # Identify the non-zero items in the document-term matrix, meaning that the word occurs at least
3 unique_list = []
4 for anio in data.columns:
5 uniques = data[anio].nonzero()[0].size
6 unique_list.append(uniques)
7
8 # Create a new dataframe that contains this unique word count
9 data_words = pd.DataFrame(list(zip(anios, unique_list)), columns=['Anio', 'unique_words'])
10 #data_unique_sort = data_words.sort_values(by='unique_words')
11 data_unique_sort = data_words # sin ordenar
12 data_unique_sort
13 # ejecuta este si hicimos el webscrapping, o no tenemos los valores en la variable
14 posts_per_year=[]
15 try:
16 enlaces
17 except NameError:
18 # Si no hice, los tengo hardcodeados:
19 posts_per_year = [50, 27, 18, 50, 42, 22, 50, 33, 31, 17, 33, 13]
20 else:
21 for i in range(len(anios)):
22 arts = enlaces[i]
23 #arts = arts[0:10] #limito a maximo 10 por año
24 print(anios[i],len(arts))
25 posts_per_year.append(min(len(arts),MAX_POR_ANIO)) Privacidad - Términos
26
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 13/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Python
1 import numpy as np
2 plt.rcParams['figure.figsize'] = [16, 6]
3
4 y_pos = np.arange(len(data_words))
5
6 plt.subplot(1, 3, 1)
7 plt.barh(y_pos,posts_per_year, align='center')
8 plt.yticks(y_pos, anios)
9 plt.title('Number of Posts', fontsize=20)
10
11
12 plt.subplot(1, 3, 2)
13 plt.barh(y_pos, data_unique_sort.unique_words, align='center')
14 plt.yticks(y_pos, data_unique_sort.Anio) Privacidad - Términos
16
17 plt.subplot(1, 3, 3)
18 plt.barh(y_pos, data_wpm_sort.words_per_posts, align='center')
19 plt.yticks(y_pos, data_wpm_sort.Anio)
20
21
22
plt.title('Number of Words Per Posts', fontsize=20)
plt.tight_layout()
23 plt.show()
Python
1 import nltk
2 from nltk.corpus import PlaintextCorpusReader
3 corpus_root = './python_projects/blog'
4 wordlists = PlaintextCorpusReader(corpus_root, '.*', encoding='latin-1')
5 #wordlists.fileids() # con esto listamos los archivos del directorio
6
7 cfd = nltk.ConditionalFreqDist(
8 (word,genre)
9 for genre in anios
10 for w in wordlists.words(genre + '.txt')
11 for word in ['casa','mundo','tiempo','vida']
12 if w.lower().startswith(word) )
13 cfd.plot()
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 15/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
5 – Análisis de Sentimiento
Python
1 data = pd.read_pickle('corpus.pkl')
2 from textblob import TextBlob
3
4 pol = lambda x: TextBlob(x).sentiment.polarity
5 pol2 = lambda x: x.sentiment.polarity
6 sub = lambda x: TextBlob(x).sentiment.subjectivity
7 sub2 = lambda x: x.sentiment.subjectivity
8
9 traducir = lambda x: TextBlob(x).translate(to="en")
10
11 data['blob_en'] = data['transcript'].apply(traducir)
12 data['polarity'] = data['blob_en'].apply(pol2)
13 data['subjectivity'] = data['blob_en'].apply(sub2)
14 data Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 16/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Python
1 plt.rcParams['figure.figsize'] = [10, 8]
2
3 for index, anio in enumerate(data.index):
4 x = data.polarity.loc[anio]
5 y = data.subjectivity.loc[anio]
6 plt.scatter(x, y, color='blue')
7 plt.text(x+.001, y+.001, data['full_name'][index], fontsize=10)
8 plt.xlim(-0.051, 0.152)
9
10 plt.title('Sentiment Analysis', fontsize=20)
11 plt.xlabel('<-- Negative -------- Positive -->', fontsize=15)
12 plt.ylabel('<-- Facts -------- Opinions -->', fontsize=15)
13
14 plt.show()
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 17/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Python
1 import math
2
3 def split_text(text, n=12):
4 '''Takes in a string of text and splits into n equal parts, with a default of 12 equal part
5
6 # Calculate length of text, the size of each chunk of text and the starting points of each
7 length = len(text)
8 size = math.floor(length / n)
9 start = np.arange(0, length, size)
10
11 # Pull out equally sized pieces of text and put it into a list
12 split_list = []
13 for piece in range(n):
14 split_list.append(text[start[piece]:start[piece]+size])
15 return split_list
16
17 list_pieces = []
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 18/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
18 for t in data.blob_en:#transcript:
19 split = split_text(t,12)
20 list_pieces.append(split)
21
22
23
24
polarity_transcript = []
for lp in list_pieces:
polarity_piece = []
25 for p in lp:
26 #polarity_piece.append(TextBlob(p).translate(to="en").sentiment.polarity)
27 polarity_piece.append(p.sentiment.polarity)
28 polarity_transcript.append(polarity_piece)
29
30 plt.rcParams['figure.figsize'] = [16, 12]
31
32 for index, anio in enumerate(data.index):
33 plt.subplot(3, 4, index+1)
34 plt.plot(polarity_transcript[index])
35 plt.plot(np.arange(0,12), np.zeros(12))
36 plt.title(data['full_name'][index])
37 plt.ylim(ymin=-.1, ymax=.2)
38
39 plt.show()
Ahora intentaremos obtener “automáticamente” algunos de los temas sobre los que
escribe el autor. A decir verdad para que funcione deberíamos aplicar Lemmatization
y limpiar mejor nuestro dataset. Para poder mostrar esta técnica nos vale, aunque no
obtendremos resultados realmente buenos.
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 19/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 20/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Ahora haremos una “pasada” más profunda para ver si obtenemos 3 temáticas
diferenciadas:
Python
1 QTY_TOPICS=3
2 ldana = models.LdaModel(corpus=corpusna, num_topics=QTY_TOPICS, id2word=id2wordna, passes=80)
3 ldana.print_topics()
Python
1 [(0,<br> '0.001<em>"jugador" + 0.001</em>"papelitos" + 0.001<em>"niño" + 0.001</em>"casciari" +
Python
1 corpus_transformed = ldana[corpusna]
2 list(zip([a for [(a,b)] in corpus_transformed], data_dtmna.index))
Python
1 [(1, '2004'),<br> (1, '2005'),<br> (2, '2006'),<br> (3, '2007'),<br> (2, '2008'),<br> (1, '2
Jugar / Niñez
Fútbol
Futuro
Conclusiones nales
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 21/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
neutral.
Modelado de temáticas: en este punto no creo que hayamos conseguido
unas categorías muy de nidas. Parte del problema es que no pudimos hacer
Lemmatization pues no conseguí herramientas Python en Español. Otra
opción es que no hay temáticas claras.
ATENCIóN: este artículo es algo “estándar”, como para comenzar a entender el NLP
aplicado y cómo -con diversas técnicas- comprender el lenguaje humano. Realmente
hay muchas más aplicaciones y tareas que se pueden hacer. Debo decir que casi
todo “en el mercado” está hecho para analizar textos en inglés y parte de la di cultad
para desarrollar el ejercicio consistió en llevarlo al castellano. Si conoces otras
buenas herramientas en español, escríbeme!
ATENCIóN (2): Podrás encontrar diferencias entre las visualizaciones en este artículo
y el último Jupyter Notebook colgado en Github, esto se debe a que hubo
actualizaciones en el código que no están re ejados en el artículo.
Espero en el futuro poder mostrar más utilidades del NLP y también llegar a usar NLP
con algoritmos de Deep Learning (por ejemplo con redes neuronales
convolucionales).
Suscripción al Blog
Recibe los nuevos artículos sobre Machine Learning, redes neuronales, NLP y código
Python cada 3 semanas aprox.
ENVIAR
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 22/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Comparte el artículo:
Relacionado
Procesamiento del Lenguaje Principales Algoritmos usados en Regresión Logística con Python
Natural (NLP) Machine Learning paso a paso
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 23/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
PROCESAMIENTO DEL LENGUAJE NATURAL (NLP)
7 comments
Reply
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 24/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Reply
Na8 · September 21
Hola Emilio, gracias por escribir! Saludos
Reply
gabibold · November 1
Reply
Raul · November 18
def url_get_text(url):
”’Obtener los textos de los cuentos de Hernan Casciari.”’
print(‘URL’,url)
text=”” Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 25/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
try:
page = requests.get(url).text
soup = BeautifulSoup(page, “lxml”)
text = [p.text for p in soup. nd(class_=”section-single-content”). nd_all(‘p’)]
except Exception:
print(‘ERROR, puede que un rewall nos bloquea.’)
return ”
sleep(0.75) #damos tiempo para que no nos penalice un rewall
return text
Reply
Reply
Daniel S · July 24
Reply
Leave a Reply
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 26/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
Buscar
Search …
Contacto
Suscripción
Recibe los artículos de Aprende Machine Learning en tu casilla de correo. Cada 15 días y sin
Spam!
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 27/28
26/8/2020 NLP: Analizamos los cuentos de Hernan Casciari | Aprende Machine Learning
ENVIAR
Privacidad - Términos
https://www.aprendemachinelearning.com/ejercicio-nlp-cuentos-de-hernan-casciari-python-espanol/ 28/28