Question

我有以下文本文件：

abstract 233:1 253:1 329:2 1087:2 1272:1
game 64:1 99:1 206:1 595:1
direct 50:1 69:1 1100:1 1765:1 2147:1 3160:1

每个密钥对是每个字符串出现在文档中的次数[docID]：[stringFq]

如何计算此文本文件中的密钥对数？

Answer 1

你的正则表达式方法运行正常。这是一种迭代方法。如果您取消注释打印语句，您将发现一些非常规的结果。

<强>鉴于

%%file foo.txt
abstract 233:1 253:1 329:2 1087:2 1272:1
game 64:1 99:1 206:1 595:1
direct 50:1 69:1 1100:1 1765:1 2147:1 3160:1

<强>代码

import itertools as it


with open("foo.txt") as f:                                  
    lines = f.readlines()
    #print(lines)
    pred = lambda x: x.isalpha()                           

    count = 0                                              
    for line in lines:
        line = line.strip("\n")
        line = "".join(it.dropwhile(pred, line))
        pairs = line.strip().split(" ")
        #print(pairs)
        count += len(pairs)

count
# 15

<强>详情

首先我们使用with语句，这是一个用于安全打开和关闭文件的习惯用语。然后，我们通过readlines()将文件拆分为多行。我们定义一个稍后将使用的条件函数（或谓词）。 lambda表达式用于方便起见，等同于以下函数：

def pred(x):
    return x.isaplha()

我们初始化一个count变量并开始迭代每一行。每一行都可能有一个尾随的换行符\n，因此我们先将strip()它们移走，然后再将这行换行到dropwhile。

dropwhile是一个特殊的itertools迭代器。当它迭代一行时，它将丢弃满足谓词的任何前导字符，直到它到达第一个未通过谓词的字符。换句话说，开头的所有字母都将被删除，直到找到第一个非字母（恰好是一个空格）。我们再次清理新行，剥离前导空格，剩下的字符串为split()到pairs列表中。

最后，每对线的长度逐渐添加到count。最终计数是pairs的所有长度的总和。

<强>摘要

上面的代码展示了如何通过简单的迭代步骤解决基本文件处理问题：

打开文件
将文件拆分为行
迭代每一行，清理并处理数据
输出结果

Answer 2

import re


file = open('input.txt', 'r')
file = file.read()
numbers = re.findall(r"[-+]?\d*\.\d+|\d+", file)
#finds all ints from text file
numLen = len(numbers) / 2
#counts all ints, when I needed to count pairs, so I just divided it by 2

print(numLen)

Python - 从文本文件中计算键值对

2 个答案: