python-3.x - 如何找到常用词并使用 python 命令打印它们？

Question

我想交叉检查两个 word 文档中的名称，然后在同一个程序中打印通用名称。我该怎么做？我是使用正则表达式还是只使用 in 函数？

Answer 1

从 Word 文档中获取文本后，这真的很容易：

document_1_text = 'This is document one'
document_2_text = 'This is document two'

document_1_words = document_1_text.split()
document_2_words = document_2_text.split()

common = set(document_1_words).intersection( set(document_2_words) )
unique = set(document_1_words).symmetric_difference( set(document_2_words) )

如果您不确定如何从 Word 文档中获取文本：

from win32com.client import Dispatch

def get_text_from_doc(filename):
    word = Dispatch('Word.Application')
    word.Visible = False
    wdoc = word.Documents.Open(filename)
    if wdoc:
        return wdoc.Content.Text.strip()

Answer 2

str1 = "Hello world its a demo"

str2 = "Hello world"

str1_words = set(str1.split())

str2_words = set(str2.split())

common = str1_words & str2_words

输出：

common = {'Hello', 'world'}

Answer 3

您需要存储一个文档中的单词，然后通过第二个文档的单词检查每个单词是否在前一个文档中。所以，如果我有两个字符串而不是文档，我可以这样做：

a = "Hello world this is a string"
b = "Hello world not like the one before"

将单词存储在字符串中：

d = {}
for word in a.split():
  d[word] = true
for word in b.split():
  if d[word]:
    print(word)

Answer 4

str1 = "Hello world its a demo"
str2 = "Hello world"

for ch in str1.split():
  for ch2 in str2.split(): 
      if ch == ch2:
          print ch

Answer 5

刚上这个贴，没看到这个方法，所以我只想补充一下，你可以这样做：

from collections import Counter

foo = "This is a string"
bar = "This string isn't like the one before"

baz = Counter(foo.split(" ")) + Counter(bar.split(" "))
baz = sorted(baz, reverse=True, key=lambda x: x[1])

Baz现在是一个看起来像这样的字典

Counter({'This': 2, 'string': 2, 'is': 1, 'a': 1, "isn't": 1, 'like': 1, 'the': 1, 'one': 1, 'before': 1})

现在你可以看到这两个字符串有共同的“ This”和“string”

您还可以在对它们使用Counter( )之前使用.lower()将所有字符串（foo和bar）转换为小写，以便所有内容均等计算