处理.sgm文件

Question

我需要为可读取和处理多个.sgm文件的作业创建.sgm解析器的帮助。

一个文件夹中有22个文件，每个文件名为reut2-0 ??。sgm，其中？表示文件编号。

确切说明如下：

在此项目中，您将创建一个.sgm解析器。您的程序将读取每个文件，找到 每篇文章，并能够提取标签之间的信息。

以下是具体 我希望您在解析器中执行的操作：

1. 能够提取主题和地方标签中的单词，并保持计数 话。您可以合并在这些标签中找到的单词的数量。
2. 能够拉出body标签内的单词并保持单词数。这些 计数应与第1部分中的计数分开。

3. 此外，请保留以下内容：

   a。您能够成功阅读的文章数（无论是 地点/主题，正文或两者兼有）

   b。能够从topic标签中提取单词的文章数。

   c。能够从places标记中提取单词的文章数。

   d。您可以从体内引出词语的文章数 标签。 请注意，这些数字可能不相同，因为标签可能不完整。如果 标签不完整，不算单词。例如，如果有一个<TOPICS>但没有 </TOPICS>，然后不要计算<TOPICS>之后的字数。

4. 将结果写入文本文件，一个用于主题和地点，另一个用于 身体。将两个文件的第3部分中的计数写在两个文件的顶部。适当命名这些文件。