Python - 将文本文件中的单词与字典匹配并操纵值

Question

我有一个字典，其中键是简单的单词，值是一个分数。 我想基于单词的频率和存储在字典中的得分（值）与文件（或字符串）中的匹配单词相比来计算得分。 例如，假设我的文字是：

“狗是很棒的宠物，仓鼠是坏宠物。这就是为什么我想要一只狗”

我的字典是：

Dict = {'狗'：5，'hampsters'： - 2}

然后我想计算得分为8（（2x5）-2 = 8）。 我可以在字典中找到出现的内容

    for key in Dict: 
    m = re.findall(key, READ , re.IGNORECASE)

但我无法以有用的方式访问密钥的值。

任何帮助是极大的赞赏。

谢谢，斯科特

Answer 1

编辑：史蒂夫V启发了以下，这是更好的：

sentence = "...".split()
score = sum(sentence.count(word) * score for word, score in scores.items())

---

强制性单行：

>>> s = "Dogs are great pets and hamsters are bad pets. That is why I want a dog."
>>> scores = {'dogs': 5, 'hamsters': -2}
>>> import collections
>>> sum(scores.get(word.lower(), 0) * freq for word, freq in collections.Counter(s.split()).items())
3

分手：

>>> sum = 0
>>> counts = collections.Counter(s.split())
>>> for word, freq in counts.items():
...     sum += scores.get(word.lower(), 0) * freq
...
>>> sum
3

显着特点：

• 得分不是8（如上所述）但是3，因为单词dogs只出现在你给出的字符串中一次。 如果你想两次计算单词dog ，你将需要一个（更多）更复杂的算法，可能需要与多元化库连接来处理像child -> children一样的案例child -> children和man -> men 。 这不容易或必然正确。

• 我已经包含了.lower()来忽略你给出的字符串中的大小写。 如果您不想这样，只需删除该呼叫即可。

• 你拼错了“仓鼠”：p。

Answer 2

如果可能的话，使用katrielalex的答案，它比我的更干净。 如果你没有Python 2.7（和我一样），这可能适合你：

sentence = "Dogs are great pets and hamsters are bad pets. That is why I want a dog"

scores = {'dog' : 5, 'hamster' : -2} 

occurrences = {}

for key in scores: 
  m = re.findall(key, sentence , re.IGNORECASE)
  occurrences[key] = len(m)

totalScore = 0

for word in occurrences:
  totalScore += scores.get(word.lower(), 0) * occurrences[word]

print totalScore

假设这是一个错字，我在你的乐谱词典中做了“狗” - >“狗”。 如果你改回来，你的结果将是3而没有复数。

Answer 3

对于陷入Python 2.6的人来说，katrielalex的另一个变种是

将此代码段放在一个文件中（例如counter.py）： http ： //code.activestate.com/recipes/576611/

那么你可以使用以下代码：

from counter import Counter

counts = Counter(text.split())
for word, freq in counts.items():
    sum += scores.get(word.lower(), 0) * freq 
...

几乎相同，除了它适用于较旧的Python版本。

Answer 4

这应该工作：

mtext =“狗是伟大的宠物，仓鼠是坏宠物。这就是为什么我想要一只狗”为Dict中的钥匙：p = re.compile（'dog'，re.IGNORECASE）NuOfDogs = len（p.findall（mtext） ）#returns出现次数