创建一个使用python和fi的字典

Question

我从projectgutenberg http://www.gutenberg.org/cache/epub/29765/pg29765.txt下载了下面的字典（它是25MB，所以如果你使用的是慢速连接，请避免点击链接）

在我的字典里，有一些词是专门为我在字典里找的，比如说在我的字典里有一些过时的词。在

我要提取的是定义，用“Defn”表示，然后打印这些行。我想出了一个相当难看的“解决方案”

def lookup(search):
    find = search.upper()                   # transforms our search parameter all upper letters
    output = []                             # empty dummy list
    infile = open('webster.txt', 'r')       # opening the webster file for reading
    for line in infile:
        for part in line.split():
            if (find == part):
                for line in infile:
                    if (line.find("Defn:") == 0):  # ugly I know, but my only guess so far
                        output.append(line[6:])
                        print output               # uncertain about how to proceed
                        break

当然，这只打印第一行在“Defn:”之后。因此，当Python来处理新的文件时，我将如何处理它。我读过元组中的行，注意到有一些特殊的新行字符。在

所以我想告诉Python继续读，直到新行字符用完为止，但这不算最后一行必须读的。在

有人能用一些有用的功能来增强我的能力吗？我可以用它来解决这个问题（如果有一个最小的例子将不胜感激）。在

---

期望输出示例：

查找（“幻觉”）

出局：漫游；误入歧途；犯错；犯错误；犯错误；用于精神 过程。[R.]拜伦。在

查找（“幻觉”）

out：对没有真实感的对象的感知，或\r\n 没有相应外因的感觉，由\r\n 精神错乱或神经系统紊乱，如震颤性谵妄；妄想症。\r\n 幻觉总是大脑紊乱的证据，并且是\r\n 常见的精神错乱现象。W、 A.哈蒙德。在

---

从文本：

^{pr2}$

Answer 1

您可以拆分为段落并使用搜索词的索引，然后在以下位置找到第一个Defn段落：

def find_def(f,word):
    import re
    with open(f) as f:
        lines = f.read() 
        try:
            start = lines.index("{}\r\n".format(word)) # find where our search word is
        except ValueError: 
            return "Cannot find search term" 
        paras = re.split("\s+\r\n",lines[start:],10) # split into paragraphs using maxsplit = 10 as there are no grouping of paras longer in the definitions
        for para in paras:
            if para.startswith("Defn:"): # if para startswith Defn: we have what we need
                return para # return the  para

print(find_def("in.txt","HALLUCINATION"))

使用整个文件返回：

^{pr2}$

略短的版本：

def find_def(f,word):
    import re
    with open(f) as f:
        lines = f.read()
        try:
            start = lines.index("{}\r\n".format(word))
        except ValueError:
            return "Cannot find search term"
        defn = lines[start:].index("Defn:")
        return re.split("\s+\r\n",lines[start+defn:],1)[0]

Answer 2

从here我学到了一种简单的方法来处理内存映射文件，并将它们当作字符串使用。你可以先用这个词来定义。在

def lookup(search):
    term = search.upper()
    f = open('webster.txt')
    s = mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ)
    index = s.find('\r\n\r\n' + term + '\r\n')
    if index == -1:
        return None
    definition = s.find('Defn:', index) + len('Defn:') + 1
    endline = s.find('\r\n\r\n', definition)
    return s[definition:endline]

print lookup('hallucination')
print lookup('hallucinate')

假设：

• 每个术语至少有一个定义
• 如果有多个，则只返回第一个

Answer 3

以下是返回第一个定义的函数：

def lookup(word):
    word_upper = word.upper()
    found_word = False
    found_def = False
    defn = ''
    with open('dict.txt', 'r') as file:
        for line in file:
            l = line.strip()
            if not found_word and l == word_upper:
                found_word = True
            elif found_word and not found_def and l.startswith("Defn:"):
                found_def = True
                defn = l[6:]
            elif found_def and l != '':
                defn += ' ' + l
            elif found_def and l == '':
                return defn
    return False

print lookup('hallucination')

<>强>解释<强>：我们必须考虑四种不同的情况。在

• 我们还没有找到这个词。我们必须将当前行与我们要查找的大写单词进行比较。如果他们是平等的，我们找到了这个词。在
• 我们找到了这个词，但还没有找到定义的开头。因此，我们必须寻找以Defn:开头的行。如果找到它，我们将该行添加到定义中（不包括Defn:的六个字符）。在
• 我们已经找到了定义的起点。在这种情况下，我们只需在定义中添加一行。在
• 我们已经找到定义的开始，当前行为空。定义已完成，我们返回定义。在

如果我们什么也没找到，我们返回False。在

注：某些条目，如起重机，有多种定义。上面的代码不能处理这个问题。它只返回第一个定义。然而，考虑到文件的格式，编写一个完美的解决方案远非易事。在