通过文件夹阅读？

Question

我被指派编写一个捕捉抄袭者的程序。给定一个文件夹，我将如何逐个文件地遍历它们，构建每个文件中所有6个单词短语的列表。一个例子是

现在是所有好人来帮助他们国家的时候了。

包含6个字的短语： 现在是时候了， 是所有好的时间， 所有好人的时间， 所有好人的时间， ......等等。

ExampleFile=F.read('File')
index1=0
index2=5
List1=[]
while True:
     index1+=1
     index2+=1
     List1+= Examplefile[index1:index2]

到目前为止我是否创建了6个单词短语的列表。那么我将如何为每个文件执行此操作，然后比较这些结果以查看是否有任何两个文件有超过200个相同的短语？我在使用Python中的文件方面做得很少，所以尽可能地减少所有内容。谢谢！

Answer 1

由于这是家庭作业，我认为有几个链接可以帮助你完成代码。

查看列出文件夹中所有文件的os.listdir和遍历目录树的os.walk。

然后你可以列出每个项目是短语容器的列表。我建议为每个文件使用set个短语，以及此类集的列表，或者set frozenset个。{/ p>

然后，您可以将这些集合的所有成对组合与itertools.combinations一起使用，并为每对计算intersection。如果任何交叉点的大小高于阈值，您就找到了抄袭者。

---

对您当前代码的评论：有一个命名约定，变量名称应以小写字母开头，大写名称用于类。