Python split()在文件的第一行未按预期工作

Question

我有一个很大的文本文件，里面记录了人们的观点，每条观点都被标记为积极、消极、中立或混合。每一行的开头都有一个符号，分别是“+ ”、“- ”、“= ”或“* ”，这些符号对应着不同的分类。此外，以“!! ”开头的行表示评论，可以忽略。

下面是一个简单的Python脚本，目的是统计每种分类的数量，并忽略评论行：

classes = [0, 0, 0, 0] # "+", "-", "=", "*"

f = open("All_Classified.txt")
for i, line in enumerate(f):
    line = line.strip()
    classifier = line.split(" ")[0]

    if classifier == "+": classes[0] += 1
    elif classifier == "-": classes[1] += 1
    elif classifier == "=": classes[2] += 1
    elif classifier == "*": classes[3] += 1
    elif classifier == "!!": continue
    else: print "Line "+str(i+1)+": \""+line+"\""
f.close()

print classes

这是“All_Classified.txt”文件前5行的示例：

!! GROUP 1, 1001 - 1512
= 1001//CD TITLETITLE//NNP How//WRB many//JJ conditioners/conditioner/NNS do//VBP you//PRP have//VBP ?//. 
= 1002//CD I//PRP have//VBP two//CD different//JJ kinds/kind/NNS ,//, Garnier//NNP Fructis//NNP Triple//NNP Nutrition//NNP conditioner//NN ,//, and//CC Suave//NNP coconut//NN .//. 
= 1003//CD But//CC I//PRP think//VBP I//PRP have//VBP about//IN 8//CD bottles/bottle/NNS of//IN the//DT Suave//NNP coconut//NN My//PRP$ mom//NN gave/give/VBD me//PRP a//DT bunch//NN for//IN Christmas//NNP because//IN she//PRP was/be/VBD getting/get/VBG tired/tire/VBN of//IN me//PRP saying/say/VBG I//PRP was/be/VBD out//IN 
= 1004//CD TITLETITLE//NNP Need//VB a//DT gel//NN that//IN works/work/NNS ,//, 8//CD mo//NN ,//, post//NN ,//, ready//JJ to//TO relax//VB edges/edge/NNS ,//, HELP//NNP ,//,

不知为何，在第一次循环时，我的输出触发了else语句，似乎没有识别“!!”，我也不太明白为什么。我的输出是：

Line 1: "!! GROUP 1, 1001 - 1512"
[2986, 1034, 16278, 535]

另外，如果我删除“All_Classified.txt”的第一行，那么它就无法识别原本应该是第一行的“= ”。我不太确定该怎么做才能让第一行被正确识别。

编辑（再次）: 根据Peter的要求，如果我把else: print "Line "+str(i+1)+": \""+line+"\""替换成else: print "Classifier "+classifier+ " Line "+str(i+1)+": \""+line+"\""，输出会是：

Classifier !! Line 1: "!! GROUP 1, 1001 - 1512"
[2986, 1034, 16278, 535]

编辑: 第一部分使用xxd All_Classified.txt：

0000000: efbb bf21 2120 4752 4f55 5020 312c 2031  ...!! GROUP 1, 1
0000010: 3030 3120 2d20 3135 3132 0d0a 3d20 3130  001 - 1512..= 10
0000020: 3031 2f2f 4344 2054 4954 4c45 5449 544c  01//CD TITLETITL
0000030: 452f 2f4e 4e50 2048 6f77 2f2f 5752 4220  E//NNP How//WRB

文件操作文本处理条件语句行读取数据统计数据分类文本分析忽略行

Python split()在文件的第一行未按预期工作

1 个回答

撰写回答