Я новичок в Python и застрял над проблемой. Я написал код для определения общего количества слов, а также уникального количества слов в нескольких файлах (в данном случае файлы .txt являются главами книги: образец текста из файла1 "Спорный период времени, когда причины изменчивости какими бы они ни были, обычно действуют; будь то в течение раннего или позднего периода развития эмбриона или в момент зачатия. "; образец текста из файла2" Наконец, тогда разновидности имеют те же общие признаки, что и виды, поскольку их нельзя отличить от видов, кроме, во-первых, открытием промежуточных форм сцепления »).
Я не могу найти в Интернете примеров того, как сравнивать слова в файлах. Мне нужно определить количество слов, используемых в файлах, и количество слов, уникальных для каждого файла (относительно другого файла (ов)). Мой окончательный результат должен включать 7 чисел: общее количество слов для file1 и file2, уникальное количество слов для file1 и file2, # слов, совместно используемых между file1 и file2, # слов в file1, но не в file2, и, наконец, # слов в file2 но не в file1. Я знаю, что для этого мне нужно использовать set (), но я не понимаю, как это сделать.
import glob
from collections import Counter
path = "c-darwin-chapter-?.txt"
wordcount = {}
for filename in glob.glob(path):
with open("c-darwin-chapter-1.txt", 'r') as f1, open("c-darwin-chapter-2.txt", 'r') as f2:
f1_word_list = Counter(f1.read().replace(',','').replace('.','').replace("'",'').replace('!','').replace('&','').replace(';','').replace('(','').replace(')','').replace(':','').replace('?','').lower().split())
print("Total word count per file: ", sum(f1_word_list.values()))
print("Total unique word count: ", len(f1_word_list))
f2_word_list = Counter(f2.read().replace(',','').replace('.','').replace("'",'').replace('!','').replace('&','').replace(';','').replace('(','').replace(')','').replace(':','').replace('?','').lower().split())
print("Total word count per file: ", sum(f2_word_list.values()))
print("Total unique word count: ", len(f2_word_list))
#if/main commented out but final code must use if/main and loop
#if __name__ == '__main__':
# main()
Желаемый результат:
Total word count
Chapter1 = 11615
Chapter2 = 4837
Unique word count
Chapter1 = 1991
Chapter2 = 1025
Words in Chapter1 and Chapter2: 623
Words in Chapter1 not in Chapter2: 1368
Words in Chapter2 not in Chapter1: 402
Текстовые файлы - это главы книги (они ОЧЕНЬ длинные), и в прошлом мне говорили не публиковать очень длинные вопросы, поэтому я не включил их. Будет обновлено, чтобы включить желаемый результат
Я бы просто включил образцы текста небольшой, чтобы у тех, кто отвечает, были данные для работы.
Хорошо, я обновлю вопрос, чтобы отразить это; благодарю вас!
Прочтите про class set([iterable])
. Соответствующий поиск-пересечение-парных-типизированных-списков-коллекций-строк-в-ру
Вы читаете оба файла и конвертируете прочитанный текст в списки / наборы. Используя наборы, вы можете использовать операторы набора для вычисления пересечений / различий между ними:
s.intersection(t) s & t new set with elements common to s and t s.difference(t) s - t new set with elements in s but not in t
An explanatory table of set-operations can be found here: Doku 2.x / valid for 3.7 as well
Демо:
file1 = "This is some text in some file that you can preprocess as you " +\
"like. This is some text in some file that you can preprocess as you like."
file2 = "this is other text about animals and flowers and flowers and " +\
"animals but not animal-flowers that has to be processed as well"
# split into list - no .lower().replace(...) - you solved that already
list_f1 = file1.split()
list_f2 = file2.split()
# create sets from list (case sensitive)
set_f1 = set( list_f1 )
set_f2 = set( list_f2 )
print(f"Words: {len(list_f1)} vs {len(list_f2)} Unique {len(set_f1)} vs {len(set_f2)}.")
# difference
print(f"Only in 1: {set_f1-set_f2} [{len(set_f1-set_f2)}]")
# intersection
print(f"In both {set_f1&set_f2} [{len(set_f1&set_f2)}]")
# difference the other way round
print(f"Only in 2:{set_f2-set_f1} [{len(set_f2-set_f1)}]")
Выход:
Words: 28 vs 22 Unique 12 vs 18.
Only in 1: {'like.', 'in', 'you', 'can', 'file', 'This', 'preprocess', 'some'} [8]
In both {'is', 'that', 'text', 'as'} [4]
Only in 2:{'animals', 'not', 'but', 'animal-flowers', 'to', 'processed',
'has', 'be', 'and', 'well', 'this', 'about', 'other', 'flowers'} [14]
Вы уже обрабатываете чтение файла и "объединение" в нижний регистр - я оставил это здесь. В выходных данных используется синтаксис интерполяции строк для python 3.6: см. PEP 498
Вы должны включить в свой вопрос два образца текста (как текст, а не изображения), а также желаемый результат.