Question

我无法找到解决问题的办法，也许有人可以提供帮助。我有一首诗，并且能够显示最常用的单词，尽管我希望所有少于5个字符的字符串都不会出现在我说的前20个最常用列表中。

import collections

import re

words = re.findall(r'\w+', open('some_poem.txt').read().lower())
most_common = collections.Counter(words).most_common(20)


print(most_common)

是否有一种简便的方法来添加这种功能？是否不显示5个字符或更少的字符串？预先感谢

Answer 1

{ k: v for k, v in most_common.items() if v > 5 }只是一个字典，因此我们可以使用字典理解来过滤所需的结果：

{{1}}

Answer 2

如果“少于5个字符”是指“少于5个字符长”，则可以使用{5,}（五个或更多）而不是{{ 1}}（一个或多个）：

以下不是您要的，但是根据您的实际需求，获取stop words中的words = re.findall(r'\w{5,}', open('some_poem.txt').read().lower())并对其进行过滤可能更有用从单词列表中查找，因为很可能存在少于五个字母的“相关”单词，而有多个字母的不相关单词。

set

此外，如评论所述，出于完整性考虑，您应该养成使用stop_words = set("a,able,about,across,...,you,your".split(",")) words = re.findall(r'\w+', open('some_poem.txt').read().lower()) words = [word for word in words if word not in stop_words]打开文件以确保之后正确关闭文件的习惯。

with

文字中最常用的词，不包括一定长度的词

2 个答案: