Question

import re
N = 2
list = []
counts = dict()
ngarms = []
with open('man.txt','r',encoding='cp1251') as f:
        for sent in f:
            sent = sent.lower()
            sent = re.sub('[0-9A-z\'\"`\|\/\+\#\,\)\(\?\!\B\-\:\=\;\.\«\»\-\—]', '', sent)
            sent = sent.split()
            for word in sent:
                word = word.lower()
                list.append(word)


grams = [list[i:i+N] for i in range(len(list)-N)]
    for gram in grams:
        if gram not in counts:
           counts[word] = 1
        else:
           counts[word] += 1

我尝试在文本中计算每个Ngram的nubber，但是当使用字典的方法时，我得到错误：如果克不计数： TypeError：不可用类型：'list'

man.txt看起来像这样：

Минабралистількирізноїмузики，щослухатиїївженіхтонехотів。 Якісь - Сільві，цезмінатиску， - кажуяїй - Двірникитутнедопоможуть。 Джаз，доречі，теж。 Такужескладається，щоямаюпитисам。 МіжСільвійҐашпероміснуєджентльменськаугода，щодесьтампісляумовногоперетинуавстрійсько-німецькогокордонувінїїпідмінитьзакермом，анаавтобаніпитивінвсежтакиненаважується，тожясобівідкриваючерговубанку，зідравшизнеїчеку，йнамагаюсьпідтримувати розмову。 Загалом，першасотнякілометрівменізнайома，торікяїздивтутавтостопом，менетодіпідібравякийсьбожевільнийпанк，якийвесьчаснервовопивспрайт，йогосушило，схожевінбувзобкурки，алегнавтакинаЗахід，бомусив，уженезнаю， щотамуньогобуло，може，мамачекала，однаквиглядуньогобувнещасний。 Колиядіставзнаплічникапляшкуводи，вінспитався，чиценеводкабува，увасжетам，вРосії，всіп'ютьводку，ні，неводка，кажу，івінвеселорозсміявся。 Тупийякийсьпанктрапився。 ЗаразянамагаюсьпереповістивсецеСільві，виловлюючиїїувагузатональнихджазовихяміпорожнин，Сільвіпогоджується - так，справдітупийпанк，щотутскажеш，розмованев'яжеться，іявідкриваюнаступнубанку，всеоднопокищонічогоцікавого - голіпасовища，безлистілісосмуги，печальнаберезневаАвстро-Угорщина，мабуть，саметакоюїїізапам'яталиросійськіпіхотинцінавесні45го，депресивнийдоволіландшафт，осьвониіхуячилиналівоінаправоелітнідивізіїнещаснихнаціонал-соціалістів。 Уцейчаскасетадобігаєкінцяітуттакипочинаєрозкручуватисьузворотньомунапрямку，новийджаззновуберезагорло，іязаходжусяшукатипідкрісламизабутогоіприсипаногофісташкамистарого-доброгоЛуРіда。 «Джаз - музикадлятовстих»， - кажуяСільвійміняюкасети。 Десьуженанімецькійтериторіїнамтрапиласявійськоваколона，щорозтягласьнадобрихдвадесяткикілометрів。

这是一本书

我该如何解决这个问题？

Answer 1

假设代码中的所有缩进错误实际上只是复制/粘贴错误，问题是grams是列表列表，其中包含内部列表中的每个元素。

当您执行 - for gram in grams:时，您将获得gram变量中的内部列表，这是一个列表，然后您正在尝试检查gram变量是否为{{1在key字典中。

这会导致错误，因为我们无法使用counts作为字典的键，因为它们不可用。

我不清楚完整的问题是什么，但是如何解决问题的一个例子是再次遍历每个list并检查内部列表中的元素是否存在于{{ 1}}字典。

示例 -

gram

但我认为使用counts并不正确，因为它最有可能使用for gram in grams: for g in gram: if g not in counts: counts[word] = 1 else: counts[word] += 1块中word的最后一个值。也许您需要使用word变量，而不是我上面使用的???

此外，它建议您不要使用with作为变量的名称，因为它会覆盖内置的g函数。

因为问题是OP想要计算每个单词序列在文本中出现的次数。您可以通过使用list创建list()列表作为所有序列的列表，然后使用他自己的示例 -

克= [''。join（list [i：i + N]）for i in range（len（list）-N）] 以克为单位：如果克不计数： count [word] = 1 其他： count [word] + = 1

Answer 2

假设list包含文件的每个单词作为列表元素，并且您正在寻找单词 ngram ，只需测试每个列表元素是否相等：

ngrams = [word for word in list if word == "ngram"]
print len(ngrams)

计算文本中的n克数

2 个答案: