Я читаю несколько файлов из каталога и пытаюсь найти, сколько раз конкретная фраза (в данном случае «по крайней мере») встречается в каждом файле (не только то, что она встречается, но и сколько раз она встречается в каждом текстовом файле) Мой код выглядит следующим образом
import glob
import os
path = 'D:/Test'
k = 0
for filename in glob.glob(os.path.join(path, '*.txt')):
if filename.endswith('.txt'):
f = open(filename)
data = f.read()
data.split()
data.lower()
S = re.findall(r' at least ', data, re.MULTILINE)
count = []
if S == True:
for S in data:
count.append(data.count(S))
k= k + 1
print("'{}' match".format(filename), count)
else:
print("'{}' no match".format(filename))
print("Total number of matches", k)
На данный момент у меня вообще нет совпадений. Я могу подсчитать, есть ли вхождение фразы, но не уверен, почему я не могу подсчитать все вхождения в каждом текстовом файле.
Любая помощь будет оценена по достоинству.
с уважением
Вы делаете несколько ошибок в своем коде. data.split()
и data.lower()
не имеют никакого эффекта, так как оба не изменяют данные, а возвращают измененную версию. Однако вы ничему не присваиваете возвращаемое значение, поэтому оно теряется.
Кроме того, вы всегда должны закрывать ресурс (например, файл), когда он вам больше не нужен.
Кроме того, вы добавляете каждую найденную строку с помощью re.search
в список S, который вы больше ни для чего не используете. Это также было бы бессмысленно, потому что оно просто содержало бы строку, которую вы ищете x количество времени. Вы можете просто взять список, возвращаемый re.search
, и вычислить его длину. Это дает вам количество раз, когда это встречается в тексте. Затем вы просто увеличиваете переменную счетчика k
на эту величину и переходите к следующему файлу. Вы все еще можете получить свои операторы печати, просто напечатав временную переменную num_found
.
import re
import glob
import os
path = 'D:/Test'
k = 0
for filename in glob.glob(os.path.join(path, '*.txt')):
if filename.endswith('.txt'):
f = open(filename)
text = f.read()
f.close()
num_found = len(re.findall(r' at least ', data, re.MULTILINE))
k += num_found
Вы были бы гораздо более питоничными, используя менеджер контекста with open(filename) as f:
, потому что тогда вам не нужно использовать f.close()
. Также, когда вы читаете текст, вы должны открыть файл в режиме «rt».
Вы абсолютно правы насчет менеджера контекста, хотя я не хотел вводить слишком много новых концепций. Режим 'rt' является режимом по умолчанию для функции открытия, поэтому вам не нужно указывать его явно.
Вы можете полностью избавиться от регулярного выражения, достаточно метода подсчета строковых объектов, большую часть остального кода также можно упростить.
Вы также не меняете данные в нижний регистр, просто печатаете строку в нижнем регистре, обратите внимание, как я использую data = data.lower()
, чтобы фактически изменить переменную.
Попробуйте этот код:
import glob
import os
path = 'c:\script\lab\Tests'
k = 0
substring = ' at least '
for filename in glob.glob(os.path.join(path, '*.txt')):
if filename.endswith('.txt'):
f = open(filename)
data = f.read()
data = data.lower()
S= data.count(substring)
if S:
k= k + 1
print("'{}' match".format(filename), S)
else:
print("'{}' no match".format(filename))
print("Total number of matches", k)
Если что-то непонятно, смело спрашивайте!
Работает как шарм, спасибо. У меня есть около 80 таких фраз, которые мне нужно обработать и записать в файл csv для экспорта в другую программу. Создание строкового списка этих фраз, похоже, вызывает ошибку, поэтому я мог бы сделать это, создав вместо этого одну большую строку или, возможно, создав Panda, содержащую фразу и вторую переменную для хранения общего количества каждой фразы ?
@ JFDA_64 Это должно быть выполнимо! Однако, вероятно, лучше всего задать новый вопрос, где вы можете включить текущий рабочий код и подробно рассказать о своем вводе и желаемом результате. Не стесняйтесь отмечать меня, и я могу взглянуть, если меня никто не опередит.
Попробуйте напечатать
data
иS
. Подсказка: это не тот тип, который вы ожидаете