Программа Python, которая находит наиболее частое слово в TXT файле, должна печатать слово и его количество

Как сейчас, у меня есть функция для замены функции countChars,

def countWords(lines):
  wordDict = {}
  for line in lines:
    wordList = lines.split()
    for word in wordList:
      if word in wordDict: wordDict[word] += 1
      else: wordDict[word] = 1
  return wordDict

но когда я запускаю программу, она выплевывает эту мерзость (это всего лишь пример, там около двух страниц слов с огромным количеством отсчетов рядом с ним)

before 1478
battle-field 1478
as 1478
any 1478
altogether 1478
all 1478
ago 1478
advanced. 1478
add 1478
above 1478

Хотя очевидно, что это означает, что код достаточно звучит для запуска, я не получаю от него ничего, чего я хочу. Он должен печатать, сколько раз каждое слово находится в файле (gb.txt, который является адресом Gettysburg) Очевидно, что каждое слово, находящееся в файле, не находится ровно в 1478 раз.

Я новичок в программировании, поэтому я немного застенчив.

from __future__ import division

inputFileName = 'gb.txt'

def readfile(fname):
  f = open(fname, 'r')
  s = f.read()
  f.close()
 return s.lower()

def countChars(t):
  charDict = {}
  for char in t:
    if char in charDict: charDict[char] += 1
    else: charDict[char] = 1
  return charDict

def findMostCommon(charDict):
  mostFreq = ''
  mostFreqCount = 0
  for k in charDict:
    if charDict[k] > mostFreqCount:
      mostFreqCount = charDict[k]
      mostFreq = k
  return mostFreq

def printCounts(charDict):
  for k in charDict:
    #First, handle some chars that don't show up very well when they print
    if k == '\n': print '\\n', charDict[k]  #newline
    elif k == ' ': print 'space', charDict[k]
    elif k == '\t': print '\\t', charDict[k] #tab
    else: print k, charDict[k]  #Normal character - print it with its count

def printAlphabetically(charDict):
  keyList = charDict.keys()
  keyList.sort()
  for k in keyList:
    #First, handle some chars that don't show up very well when they print
    if k == '\n': print '\\n', charDict[k]  #newline
    elif k == ' ': print 'space', charDict[k]
    elif k == '\t': print '\\t', charDict[k] #tab
    else: print k, charDict[k]  #Normal character - print it with its count

def printByFreq(charDict):
  aList = []
  for k in charDict:
    aList.append([charDict[k], k])
  aList.sort()     #Sort into ascending order
  aList.reverse()  #Put in descending order
  for item in aList:
    #First, handle some chars that don't show up very well when they print
    if item[1] == '\n': print '\\n', item[0]  #newline
    elif item[1] == ' ': print 'space', item[0]
    elif item[1] == '\t': print '\\t', item[0] #tab
    else: print item[1], item[0]  #Normal character - print it with its count

def main():
  text = readfile(inputFileName)
  charCounts = countChars(text)
  mostCommon = findMostCommon(charCounts)
  #print mostCommon + ':', charCounts[mostCommon]
  #printCounts(charCounts)
  #printAlphabetically(charCounts)
  printByFreq(charCounts)

main()

ОТВЕТЫ

Ответ 1

Если вам нужно подсчитать количество слов в проходе, тогда лучше использовать регулярное выражение.

Начнем с простого примера:

import re

my_string = "Wow! Is this true? Really!?!? This is crazy!"

words = re.findall(r'\w+', my_string) #This finds words in the document

Результат:

>>> words
['Wow', 'Is', 'this', 'true', 'Really', 'This', 'is', 'crazy']

Обратите внимание, что "Is" и "is" - это два разных слова. Я предполагаю, что вы хотите, чтобы они считали их одинаковыми, поэтому мы можем просто загладить все слова, а затем посчитать их.

from collections import Counter

cap_words = [word.upper() for word in words] #capitalizes all the words

word_counts = Counter(cap_words) #counts the number each time a word appears

Результат:

>>> word_counts
Counter({'THIS': 2, 'IS': 2, 'CRAZY': 1, 'WOW': 1, 'TRUE': 1, 'REALLY': 1})

Вы здесь хорошо?

Теперь нам нужно сделать то же самое, что мы сделали выше, только на этот раз мы читаем файл.

import re
from collections import Counter

with open('your_file.txt') as f:
    passage = f.read()

words = re.findall(r'\w+', passage)

cap_words = [word.upper() for word in words]

word_counts = Counter(cap_words)

Ответ 2

Эта программа на самом деле является 4-х линейной, если вы используете мощные инструменты в вашем распоряжении:

with open(yourfile) as f:
    text = f.read()

words = re.compile(r"[\w']+", re.U).findall(text)   # re.U == re.UNICODE
counts = collections.Counter(words)

Регулярное выражение найдет все слова, независимо от примыкающей к ним пунктуации (но считая апострофы как часть слова).

Счетчик действует почти как словарь, но вы можете делать такие вещи, как counts.most_common(10), добавлять счетчики и т.д. См. counts.most_common(10) help(Counter)

Я бы также предложил, чтобы вы не делали функции printBy..., так как только функции без побочных эффектов легко использовать повторно.

def countsSortedAlphabetically(counter, **kw):
    return sorted(counter.items(), **kw)

#def countsSortedNumerically(counter, **kw):
#    return sorted(counter.items(), key=lambda x:x[1], **kw)
#### use counter.most_common(n) instead

# 'from pprint import pprint as pp' is also useful
def printByLine(tuples):
    print( '\n'.join(' '.join(map(str,t)) for t in tuples) )

Демо-версия:

>>> words = Counter(['test','is','a','test'])
>>> printByLine( countsSortedAlphabetically(words, reverse=True) )
test 2
is 1
a 1

отредактировать по адресу Mateusz Konieczny комментарий: заменил [a-zA-Z '] на [\ w']... класс символов \w, в соответствии с документацией по питону, "соответствует символам в слове Unicode; это включает в себя большинство символов, которые могут быть часть слова на любом языке, а также цифры и знак подчеркивания. Если используется флаг ASCII, сопоставляется только [a-zA-Z0-9_]. " (... но явно не соответствует апострофу...) Однако \w включает _ и 0-9, поэтому, если вы не хотите их использовать и не работаете с юникодом, вы можете использовать [a-zA -Z ']; если вы работаете с юникодом, вам нужно сделать отрицательное утверждение или что-то еще, чтобы вычесть [0-9_] из класса символов \w

Ответ 3

У вас есть простая опечатка, words, где вы хотите word.

Изменить: Вы, кажется, отредактировали источник. Используйте копию и вставку, чтобы получить ее в первый раз.

Изменить 2: Очевидно, вы не единственный, кто подвержен опечаткам. Реальная проблема в том, что у вас lines, где вы хотите line. Приносим извинения за то, что вы обвинили вас в редактировании источника.

Ответ 4

Здесь возможное решение, не столь изящное, как ninjagecko, но все же:

from collections import defaultdict

dicto = defaultdict(int)

with open('yourfile.txt') as f:
    for line in f:
        s_line = line.rstrip().split(',') #assuming ',' is the delimiter
        for ele in s_line:
            dicto[ele] += 1

 #dicto contians words as keys, word counts as values

 for k,v in dicto.iteritems():
     print k,v

Ответ 5

 words = ['red', 'green', 'black', 'pink', 'black', 'white', 'black', 
'eyes','white', 'black', 'orange', 'pink', 'pink', 'red', 'red', 
'white', 'orange', 'white', "black", 'pink', 'green', 'green', 'pink', 
'green', 'pink','white', 'orange', "orange", 'red']

 from collections import Counter
 counts = Counter(words)
 top_four = counts.most_common(4)
 print(top_four)