`FileNotFoundError: [Errno 2] No such file or directory: 'rule'` 错误通常是由于指定的文件 `rule` 不存在于当前工作目录中导致的。为了解决这个问题，可以采取以下几种方法： #### 1. 检查文件路径 确保文件 `rule` 确实存在于当前工作目录中。可以使用 `os.listdir()` 查看当前工作目录下的所有文件： ```python import os # 查看当前工作目录 current_dir = os.getcwd() print(f"当前工作目录: {current_dir}") # 列出当前工作目录下的所有文件 files = os.listdir(current_dir) print("当前工作目录下的文件:") for file in files: print(file) try: with open('rule', 'r', encoding='utf-8') as file: content = file.read() print(content) except FileNotFoundError: print("未找到名为 'rule' 的文件，请检查文件路径和文件名。") ``` #### 2. 指定完整的文件路径 如果文件不在当前工作目录中，可以指定文件的完整路径： ```python file_path = 'D:/path/to/rule' # 替换为实际的文件路径 try: with open(file_path, 'r', encoding='utf-8') as file: content = file.read() print(content) except FileNotFoundError: print("未找到指定路径的 'rule' 文件，请检查文件路径和文件名。") ``` #### 3. 动态获取文件路径 可以使用 `os.path.join()` 动态构建文件路径，避免硬编码路径： ```python import os # 假设文件在当前工作目录的 data 文件夹下 data_dir = os.path.join(os.getcwd(), 'data') file_path = os.path.join(data_dir, 'rule') try: with open(file_path, 'r', encoding='utf-8') as file: content = file.read() print(content) except FileNotFoundError: print("未找到指定路径的 'rule' 文件，请检查文件路径和文件名。") ``` ### 关于朴素贝叶斯分类器代码 由于没有提供具体的朴素贝叶斯分类器代码，以下是一个简单的基于 `sklearn` 库的朴素贝叶斯分类器示例： ```python from sklearn.feature_extraction.text import CountVectorizer from sklearn.naive_bayes import MultinomialNB from sklearn.model_selection import train_test_split import pandas as pd # 示例数据 data = { 'text': ['产品很满意，值得推荐', '周末去爬山了', '物流太慢，差评'], 'label': [1, 0, 1] } df = pd.DataFrame(data) # 特征提取 vectorizer = CountVectorizer() X = vectorizer.fit_transform(df['text']) y = df['label'] # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建并训练朴素贝叶斯分类器 clf = MultinomialNB() clf.fit(X_train, y_train) # 预测 predictions = clf.predict(X_test) print("预测结果:", predictions) ```