0

我有一个数据库，其中包含以 28 种语言出版的赞美诗集的赞美诗标题。在输入标题时，我研究了每种语言中哪些 unicode 字符最正确（例如，汤加语声门塞音应该是 U+02BB，尽管它看起来像撇号；另外，在罗马尼亚语中，U+021A (ț)比 U+0163 (ţ) 等更正确）。

现在我正在做一个类似的项目，我想回去“分解”我的研究，方法是收集一种语言的所有标题并输出标题中使用的所有唯一字符的列表。

有没有办法用 MySQL 和/或 Python 做到这一点？我正在考虑在每个字符之间拆分一个字符串，对所有字符进行排序，然后将它们组合在一起。我的网站是用 Python 编写的，但它都是非常基本的编码（我还不太高级）。

编辑：这就是我的代码最终的结果，这要归功于这些响应，而且效果很好！

hymnstitleslist = lookup('''
  SELECT HyName FROM Hymns
  WHERE HymnbookID = "'''+hbid+'''"
''')
import string
from collections import Counter
some_text = ""
for x in range(0, len(hymnstitleslist)):
  some_text = some_text+hymnstitleslist[x]['HyName']
letters = []
for i in some_text:
  letters.append(i)
letter_count = Counter(letters)
for letter,count in letter_count.iteritems():
  print "{}: {}".format(letter,count)
4

2 回答 2

2

我正在考虑在每个字符之间拆分一个字符串，对所有字符进行排序，然后将它们组合在一起。

这部分很容易完成：

import string

from collections import Counter

some_text = "Lorem ipsum dolor sit amet, consectetur adipiscing elit. Pellentesque fringilla augue ac metus laoreet quis imperdiet velit congue. Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia Curae; Quisque tincidunt lorem ut justo fermentum adipiscing. Nullam ullamcorper eros in arcu tincidunt non scelerisque ligula molestie. Vestibulum imperdiet facilisis nisi, et sodales leo sodales at. In hac habitasse platea dictumst."

letters = []
for i in some_text:
   # Each "i" is a letter or space
   if i in string.letters:
      # only collect letters, not punctuation marks or spaces
      letters.append(i)

# count how many of each
letter_count = Counter(letters)

# For each letter, print the count:

for letter,count in letter_count.iteritems():
    print "{}: {}".format(letter,count)

这会给你：

C: 1
I: 1
L: 1
N: 1
Q: 1
P: 1
V: 2
a: 24
c: 19
b: 5
e: 44
d: 10
g: 6
f: 4
i: 44
h: 2
j: 1
m: 17
l: 27
o: 17
n: 18
q: 4
p: 10
s: 32
r: 19
u: 34
t: 31
v: 1

我从 MySQL 表中提取数据，所以我的数据在字典中。如何合并所有选定条目的数据？

那么第一步是将所有数据收集到某种集合中，比如说一个列表：

letters = []

cur.execute(some_query) # See the Python database API for what is going on here
results = cur.fetchone()

while results:
   the_text = results[0] # if its the first column
   for i in the_text.split():
       # By default, split() will separate on whitespace,
       # so each i is a word.
       for letter in i:
           if letter in string.letters:
               letters.append(letter)

    results = cur.fetchone() # get the next result
于 2013-03-06T06:28:55.287 回答
1

您可以按字母拆分所有标题并将其添加到集合中。在集合中，您将获得所有独特的角色。简单的例子是：

all_you_titles_string = 'title1 title2 ti tl e3'
result_set = set()
[result_set.add(letter) for letter in all_you_titles_string.replace(' ', '')]
print result_set
于 2013-03-06T06:25:12.317 回答