Как подсчитать все вхождения фразы в текстовый файл с помощью регулярных выражений?

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

Попробуйте напечатать data и S. Подсказка: это не тот тип, который вы ожидаете

c2huc2hu 14.12.2020 21:32
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
1
548
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

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».

DisappointedByUnaccountableMod 14.12.2020 21:39

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.

sunnytown 14.12.2020 22:24
Ответ принят как подходящий

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 15.12.2020 10:58

@ 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.

PMental 15.12.2020 18:21

Другие вопросы по теме