Question

我在.txt文件中有一个15MB的文件；我想指定4到5个关键字，以查看它们在文件中出现了多少次，然后以直方图的方式绘制它们。请提出一条出路

Answer 1

在bash中，如果要查找wordOne，wordTwo或wordThree的出现，则可以执行以下操作：

cat myFile | egrep -o "wordOne|wordTwo|wordThree" | sort | uniq -c

这意味着：读取myFile，查找wordOne，wordTwo和wordThree的出现次数，并仅输出这些出现次数，对输出行进行排序，在计算出现次数时删除重复项。

请注意，这也将匹配wordOneOther，因为我们不能确保单词边界。可以通过几种方式完成此操作，但要取决于您的需求和文件的外观。

绘图是另一个完整的问题。您可以使用gnuplot之类的东西，也可以将输出粘贴到excel或matlab之类的东西。

Answer 2

安装nltk。进行文本分析将非常有用。安装后，以下代码将帮助您获取特定单词的单词计数：

import nltk

with open('C:\\demo.txt', 'r') as f:
    #The following line will create a list of words from the text.
    words = nltk.word_tokenize(f.read())
    #print (words)
    #The following line will create a word-frequency combo, so you can call any word to get its frequency
    fdist = nltk.FreqDist(words)
    print (fdist['This'])

一旦这些数据准备就绪并以您选择的格式存储，则可以使用matplotlib或seaborn来创建简单的直方图。

挖掘特定关键字的文本文件

2 个答案: