計算文本文件中字符串的出現次數

Question

我有以下程序，我想在我的文本文件中找到例如字符串「淺粉紅色」！我使用，它不起作用。

from operator import itemgetter 

def mmetric1(file): 
    words_gen = (word.lower() for line in open("test.txt") 
              for word in line.split()) 
    words = {} 

    for word in words_gen: 
     if (word=='aqua')or(word=='azure')or(word=='black')or(word=='light pink'): 
      words[word] = words.get(word, 0) + 1 

    top_words = sorted(words.items(), key=itemgetter(1)) 

    for word, frequency in top_words: 
     print ("%s : %d" % (word, frequency)) 

Answer 1

您已經分裂了整個行成單獨的詞：

for word in line.split() 

所以在words_gen其中包含文本light pink沒有一個字。它包含light和pink作爲兩個單獨的單詞，以及該行上的所有其他單詞。

您需要一種不同的方法;看看正則表達式。

Answer 2

拆分一個字符串，它的分裂基礎上的空白，其中包括空格字符

所以後來，就沒有可能讓你在你提出細讀除非

的方式匹配連續字

• 您wan't修改循環

示例代碼

try: 
    while True: 
     word = next(words_gen) 
     if any(word == token for token in ['aqua', 'azure', 'black']) \ 
      or (word == 'light' and next(word) == 'pink'): 
      words[word] = words.get(word, 0) + 1 
except StopIteration: 
    pass 

• 使用正則表達式

不是一個好的選擇，如果你正在尋找一個巨大的文件

• 使用一些其他的數據結構是怎樣的前綴樹

Answer 3

你的整個做法是錯誤。

在我看來，你想檢查你的文件中是否存在一組字符串。你應該使用正則表達式。

這裏：

from collections import Counter 
import re 

def mmetric1(file_path, desired): 
    finder = re.compile(re.escape('(%s)' % '|'.join(desired)), re.MULTILINE) 
    with open(file_path) as f: 
     return Counter(finder.findall(f)) 

# have a list of the strings you want to find 
desired = ['aqua', 'azure', 'black', 'light pink'] 
# run the method 
mmetric1(file_path, desired) 

---

如果你擔心大文件和性能，您可以通過行遍歷文件中：

def mmetric1(file_path, desired): 
    results = Counter() 
    finder = re.compile(re.escape('(%s)' % '|'.join(desired))) 
    with open(file_path) as f: 
     for line in f: 
      Counter.update(finder.findall(line)) 
    return results 

---

打印這些結果因爲你有你自己的：

for word, frequency in mmetric1(file_path, desired).items(): 
    print ("%s : %d" % (word, frequency))