Question

很抱歉，但我对这些事情有点新意。我正在从文本中分割单词并将它们放入dict为每个标记创建索引：

import re
f = open('/Users/Half_Pint_Boy/Desktop/sentenses.txt', 'r')

a=0
c=0
e=[]

for line in f:

    b=re.split('[^a-z]', line.lower()) 
    a+=len(list(filter(None, b)))
    c = c + 1
    e = e + b

d = dict(zip(e, range(len(e))))

但最后我收到一个带有空格的字典：

{'': 633,
 'a': 617,
 'according': 385,
 'adjacent': 237,
 'allow': 429,
 'allows': 459}

如何删除＆＃34;＆＃34;从dict的最终结果？另外如何在此之后更改索引以不使用＆＃34;＆＃34;在索引计数？（使用＆＃34;＆＃34;索引计数为633，没有-248）非常感谢！

Answer 1

这个怎么样？

b = list(filter(None, re.split('[^a-z]', line.lower())))

作为替代方案：

b = re.findall('[a-z]+', line.lower())

无论哪种方式，您都可以从下一行中删除filter：

a += len(b)

修改

顺便说一句，我认为你最终得到的是一个字典，将单词映射到最后一个位置，在这些位置出现在文本中。我不确定这是不是你打算做什么。 E.g。

>>> dict(zip(['hello', 'world', 'hello', 'again'], range(4))) {'world': 1, 'hello': 2, 'again': 3}

如果您想要跟踪所有单词出现的位置，请尝试使用此代码：

from collections import defaultdict import re indexes = defaultdict(list) with open('test.txt', 'r') as f: for index, word in enumerate(re.findall(r'[a-z]+', f.read().lower())): indexes[word].append(index)

indexes然后将每个单词映射到单词出现的索引列表。

编辑2

根据下面的评论讨论，我想你想要更像这样的东西：

from collections import defaultdict import re word_positions = {} with open('test.txt', 'r') as f: index = 0 for word in re.findall(r'[a-z]+', f.read().lower()): if word not in word_positions: word_positions[word] = index index += 1 print(word_positions) # Output: # {'hello': 0, 'goodbye': 2, 'world': 1}

Answer 2

替换：

d = dict(zip(e, range(len(e))))

使用：

d = {word:n for n, word in enumerate(e) if word}

或者，要首先避免空条目，请替换：

b=re.split('[^a-z]', line.lower())

使用：

b=re.split('[^a-z]+', re.sub('(^[^a-z]+|[^a-z]+$)', '', line.lower()))

Answer 3

你的正则表达式看起来不是很好。考虑使用：

line = re.sub('[^a-z]*$', '', line.strip())
b = re.split('[^a-z]+', line.lower())

从列表中删除所有空格创建字典

3 个答案: