Question

这就是我所做的。问题将在最后。

1）我首先使用open().read()打开一个.txt文档来运行如下函数：

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，按如下方式运行另一个函数：

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。现在这是问题所在。当我打印match3时：

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").

看起来是单词。但是，

4）我按convert = count_words(match3)运行了最后一个函数，如下所示：

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，我需要像行中的'风险'这样的词（即，我喜欢冒险），而不是'我'，'我'，'我'

问题：如何使match3包含与使用readlines()相同的方式包含单词，以便我可以计算一行中的单词？

当我将match3保存为.txt文件时，使用readlines()重新打开它，然后运行计数功能，它可以正常工作。我确实想知道如何在不保存并使用readlines()重新打开它的情况下使其工作？

感谢。我希望我能弄清楚这一点，以便我能睡觉。

Answer 1

试试这个

for line in newstring意味着一个接一个地

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

Answer 2

tl; dr，问题是如何按行分割文本？

然后它很简单：

>>> 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.']

Answer 3

您的match3是一个字符串，所以

for line in newstring:

遍历newstring中的字符，而不是行。你可以简单地写一下

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

或者如果您愿意

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

或其他什么。 [我自己使用Counter，但defaultdict(int)几乎一样好。]

注：

def replace(filename):

filename不是文件名！

我该怎么读字呢？

3 个答案: