我想打开一个文件并逐行阅读。对于每一行,我想使用split()方法将行拆分为单词列表。然后我想检查每一行上的每个单词,看看该单词是否已经在列表中,如果没有将其附加到列表中。这是我写的代码。
fname = raw_input("Enter file name: ")
fh = open(fname)
line1 = list()
for line in fh:
stuff = line.rstrip().split()
for word in stuff:
if stuff not in stuff:
line1.append(stuff)
print line1
我的问题是,当我打印出line1时,它会以这样的格式打印出大约30个重复列表。
['But', 'soft', 'what', 'light', 'through', 'yonder', 'window', 'breaks'],
['But', 'soft', 'what', 'light', 'through', 'yonder', 'window', 'breaks'], ['It', 'is', 'the', 'east', 'and', 'Juliet', 'is', 'the', 'sun'],
['It', 'is', 'the', 'east', 'and', 'Juliet', 'is', 'the', 'sun']
['Arise', 'fair', 'sun', 'and', 'kill', 'the', 'envious', 'moon'],
['Arise', 'fair', 'sun', 'and', 'kill', 'the', 'envious', 'moon'],
我想知道为什么会出现这个问题,以及如何删除重复的单词和列表。
答案 0 :(得分:2)
你有if stuff not in stuff
。如果您将该行更改为if word not in line1:
,并将下一行更改为line1.append(word)
,则代码应该有效。
或者,使用集合。
fname = raw_input("Enter file name: ")
fh = open(fname)
line1 = set()
for line in fh:
stuff = line.rstrip().split()
for word in stuff:
line1.add(word)
print line1
甚至
fname = raw_input("Enter file name: ")
fh = open(fname)
line1 = set()
for line in fh:
stuff = line.rstrip().split()
line1 = line1.union(set(stuff))
print line1
集合只包含唯一值(尽管它们没有排序或索引的概念),因此您不需要处理检查单词是否已经出现:set数据类型会自动处理。