0

这就是我所做的。问题将在最后。

1）我首先打开了一个.txt文件，open().read()用来运行如下函数：

def clean_text_passage(a_text_string):
    new_passage=[]
    p=[line+'\n' for line in a_text_string.split('\n')]
    passage = [w.lower().replace('</b>\n', '\n') for w in p]

    if len(passage[0].strip())>0:
       if len(passage[1].strip())>0:
           new_passage.append(passage[0])
    return new_passage

2）使用返回的new_passage，我使用以下命令将单词转换为单词行：

newone = "".join(new_passage)

3）然后，运行另一个函数，如下所示：

def replace(filename):
    match = re.sub(r'[^\s^\w+]risk', 'risk', filename)
    match2 = re.sub(r'risk[^\s^\-]+', 'risk', match)
    match3 = re.sub(r'risk\w+', 'risk', match2)
    return match3

到目前为止，一切都很好。现在问题来了。当我打印时match3：

i agree to the following terms regarding my employment or continued employment
with dell computer corporation or a subsidiary or affiliate of dell computer
corporation (collectively, "dell").

看起来单词是成行的。但，

4）我convert = count_words(match3)按如下方式运行最后一个函数：

def count_words(newstring):
     from collections import defaultdict
     word_dict=defaultdict(int)
     for line in newstring:
    words=line.lower().split()
    for word in words:
        word_dict[word]+=1

当我打印word_dict时，它显示如下：

defaultdict(<type 'int'>, {'"': 2, "'": 1, '&': 4, ')': 3, '(': 3, '-': 4, ',': 4, '.': 9, '1': 7, '0': 8, '3': 2, '2': 3, '5': 2, '4': 2, '7': 2, '9': 2, '8': 1, ';': 4, ':': 2, 'a': 67, 'c': 34, 'b': 18, 'e': 114, 'd': 44, 'g': 15, 'f': 23, 'i': 71, 'h': 22, 'k': 10, 'j': 2, 'm': 31, 'l': 43, 'o': 79, 'n': 69, 'p': 27, 's': 56, 'r': 72, 'u': 19, 't': 81, 'w': 4, 'v': 3, 'y': 16, 'x': 3})

因为我的代码的目标是计算一个特定的单词，所以我需要像'risk'这样的单词（即我喜欢冒险）而不是'I'、'l'、'i'

问题：如何match3以与我们使用相同的方式包含单词，readlines()以便我可以计算一行中的单词？

当我另存match3为 .txt 文件时，使用 重新打开它readlines()，然后运行 ​​count 函数，它工作正常。我确实想知道如何在不使用保存和重新打开它的情况下使其工作readlines()？

谢谢。我希望我能弄清楚这一点，这样我就可以睡觉了。

4

3 回答 3

0

尝试这个

for line in newstring表示逐个迭代

def count_words(newstring):
     from collections import defaultdict
     word_dict=defaultdict(int)
     for line in newstring.split('\n'):
         words=line.lower().split()
         for word in words:
            word_dict[word]+=1
于 2012-09-02T15:40:37.857 回答
0

tl;博士，问题是你如何按行分割文本？

然后就很简单了：

>>> text = '''This is a
longer text going
over multiple lines
until the string
ends.'''
>>> text.split('\n')
['This is a', 'longer text going', 'over multiple lines', 'until the string', 'ends.']
于 2012-09-02T15:40:56.470 回答
0

你match3是一个字符串，所以

for line in newstring:

迭代 newstring 中的字符，而不是行。你可以简单地写

 words = newstring.lower().split()
 for word in words:
     word_dict[word]+=1

或者如果你喜欢

 for line in newstring.splitlines():
     words=line.lower().split()
     for word in words:
         word_dict[word]+=1

管他呢。[我自己会用Counter，但defaultdict(int)几乎一样好。]

笔记：

def replace(filename):

filename不是文件名！

于 2012-09-02T15:41:24.580 回答