在.txt文件中找到最常用单词的Python程序必须打印word及其连接

Question

现在，我有一个函数来替换countChars函数

def countWords(lines):
  wordDict = {}
  for line in lines:
    wordList = lines.split()
    for word in wordList:
      if word in wordDict: wordDict[word] += 1
      else: wordDict[word] = 1
  return wordDict

但当我运行这个程序时，它会吐出这种讨厌的东西（这只是一个例子，大约有两页文字旁边有大量的数字）

before 1478
battle-field 1478
as 1478
any 1478
altogether 1478
all 1478
ago 1478
advanced. 1478
add 1478
above 1478

虽然很明显这意味着代码足够运行，但我没有得到我想要的。 它需要打印文件中每个单词的次数（gb.txt，这是葛底斯堡地址） 很明显文件中的每个单词都不在1478次。。

我对编程很陌生，所以我有点困惑。。

from __future__ import division

inputFileName = 'gb.txt'

def readfile(fname):
  f = open(fname, 'r')
  s = f.read()
  f.close()
 return s.lower()

def countChars(t):
  charDict = {}
  for char in t:
    if char in charDict: charDict[char] += 1
    else: charDict[char] = 1
  return charDict

def findMostCommon(charDict):
  mostFreq = ''
  mostFreqCount = 0
  for k in charDict:
    if charDict[k] > mostFreqCount:
      mostFreqCount = charDict[k]
      mostFreq = k
  return mostFreq

def printCounts(charDict):
  for k in charDict:
    #First, handle some chars that don't show up very well when they print
    if k == '\n': print '\\n', charDict[k]  #newline
    elif k == ' ': print 'space', charDict[k]
    elif k == '\t': print '\\t', charDict[k] #tab
    else: print k, charDict[k]  #Normal character - print it with its count

def printAlphabetically(charDict):
  keyList = charDict.keys()
  keyList.sort()
  for k in keyList:
    #First, handle some chars that don't show up very well when they print
    if k == '\n': print '\\n', charDict[k]  #newline
    elif k == ' ': print 'space', charDict[k]
    elif k == '\t': print '\\t', charDict[k] #tab
    else: print k, charDict[k]  #Normal character - print it with its count

def printByFreq(charDict):
  aList = []
  for k in charDict:
    aList.append([charDict[k], k])
  aList.sort()     #Sort into ascending order
  aList.reverse()  #Put in descending order
  for item in aList:
    #First, handle some chars that don't show up very well when they print
    if item[1] == '\n': print '\\n', item[0]  #newline
    elif item[1] == ' ': print 'space', item[0]
    elif item[1] == '\t': print '\\t', item[0] #tab
    else: print item[1], item[0]  #Normal character - print it with its count

def main():
  text = readfile(inputFileName)
  charCounts = countChars(text)
  mostCommon = findMostCommon(charCounts)
  #print mostCommon + ':', charCounts[mostCommon]
  #printCounts(charCounts)
  #printAlphabetically(charCounts)
  printByFreq(charCounts)

main()

Answer 1

这个程序实际上是一个4行程序，如果您使用您可以使用的强大工具：

with open(yourfile) as f:
    text = f.read()

words = re.compile(r"[\w']+", re.U).findall(text)   # re.U == re.UNICODE
counts = collections.Counter(words)

正则表达式将找到所有单词，与它们相邻的标点符号无关（但将撇号作为单词的一部分计算）。

计数器的作用几乎与字典一样，但您可以执行诸如counts.most_common(10)、添加计数等操作。请参见help(Counter)

我还建议您不要使用函数printBy...，因为只有没有副作用的函数才易于重用。

def countsSortedAlphabetically(counter, **kw):
    return sorted(counter.items(), **kw)

#def countsSortedNumerically(counter, **kw):
#    return sorted(counter.items(), key=lambda x:x[1], **kw)
#### use counter.most_common(n) instead

# `from pprint import pprint as pp` is also useful
def printByLine(tuples):
    print( '\n'.join(' '.join(map(str,t)) for t in tuples) )

演示：

>>> words = Counter(['test','is','a','test'])
>>> printByLine( countsSortedAlphabetically(words, reverse=True) )
test 2
is 1
a 1

编辑地址Mateusz Konieczny的注释：将[a-zA-Z']替换为[\w']。。。根据python文档，character类“匹配Unicode单词字符；这包括任何语言中可以作为单词一部分的大多数字符，以及数字和下划线。如果使用ASCII标志，则只有[a-zA-Z0-9_u]匹配。“（。。。但显然与撇号不匹配……）然而，w包括和0-9，因此如果不需要它们并且不使用unicode，则可以使用[a-zA-Z']；如果使用unicode，则需要执行否定断言或从字符类中减去[0-9]

Answer 2

如果你需要在一篇文章中计算一些单词，那么最好使用regex。

让我们从一个简单的例子开始：

import re

my_string = "Wow! Is this true? Really!?!? This is crazy!"

words = re.findall(r'\w+', my_string) #This finds words in the document

结果：

>>> words
['Wow', 'Is', 'this', 'true', 'Really', 'This', 'is', 'crazy']

注意“是”和“是”是两个不同的词。我的猜测是你想让他们计数一样，所以我们可以把所有的单词大写，然后计数。

from collections import Counter

cap_words = [word.upper() for word in words] #capitalizes all the words

word_counts = Counter(cap_words) #counts the number each time a word appears

结果：

>>> word_counts
Counter({'THIS': 2, 'IS': 2, 'CRAZY': 1, 'WOW': 1, 'TRUE': 1, 'REALLY': 1})

你在这能行吗？

现在我们需要做和上面一样的事情，这次我们读的是一个文件。

import re
from collections import Counter

with open('your_file.txt') as f:
    passage = f.read()

words = re.findall(r'\w+', passage)

cap_words = [word.upper() for word in words]

word_counts = Counter(cap_words)

Answer 3

你有一个简单的排版，words在你想要的地方word。

编辑：您似乎已经编辑了源。请使用“复制粘贴”功能，以便在第一次使用时正确完成。

编辑2:显然你不是唯一一个容易出错的人。真正的问题是你有lines你想要的line。很抱歉，我指责你编辑了源代码。