Python-在文本文件中查找字符串列表的字符串频率

Question

我正在尝试在文本文件中查找所有出现的字符串，其中每个字符串都位于文件的新行中。

例如，示例文件可能如下所示：

jump start
jump go
feet start
jump go

除“ jump go”外，所有字符串的目标总计为1

到目前为止，我已经成功使用以下代码找到了单个单词数：

import re
import collections
with open('file.txt') as f:
    text = f.read()
words = re.findall(r'\w+',text)
counts = collections.Counter(words)
print(counts)

但是，这仅给出如下输出：jump = 3，start = 2，go = 2，foot = 1

不确定这是否重要，但是文件中的行数将约为500万，其中包含约12,000个独立字符串。

感谢您的任何帮助！

Answer 1

我得到这个工作：

import collections

lines = [line.strip() for line in open('results.txt')]
counts = collections.Counter(lines)
print counts

输出：

['Sam', 'sam', 'johm go', 'johm go', 'johm for']
Counter({'johm go': 2, 'sam': 1, 'Sam': 1, 'johm for': 1})

Answer 2

代替使用正则表达式，将文件读取为words=f.readlines() 。 您将得到与每一行相对应的字符串列表。 然后，从该列表构建计数器。