使用字典對列表中的單詞進行計數

Question

我有一個詞典列表，其中包含一個單詞和該單詞的一些拼寫錯誤。 我試圖遍歷字符串列表，首先計算單詞的出現次數，然后計算每個拼寫錯誤的發生次數。 我嘗試使用if word in string但這最終給了我錯誤的計數，因為許多拼寫錯誤包含其中的實際單詞本身。 是否可以在此處使用pythons counter ，還是使用正則表達式更有意義？

例如我有

words = [{'word':'achieve','misspellings':  ['acheive','acheiv','achiev']},

        {'word':'apparently','misspellings':['apparantly','apparintly']}]

我正在尋找一個字符串列表，最后包含每個單詞及其拼寫錯誤的總數。 我在使用achiev這樣的拼寫錯誤時遇到問題，當使用if word in string計數時if word in string會混淆計數，因為在實現中會達到achiev，因此計數將關閉。

Answer 1

您應該將拼寫錯誤的單詞映射到原始單詞：

words = {'acheive':'achieve', 'achiev':'achieve','achieve':'achieve'}

s = "achiev acheive achieve"

from collections import Counter

from string import punctuation

cn = Counter()
for word in s.split():
    word = word.strip(punctuation)
    if word in words:
        wrd = words[word]
        cn[wrd] += 1

print(cn)
Counter({'achieve': 3})

您可以將其與正則表達式結合使用，以查找字符串中的所有單詞，而不必按照Tim Pietzcker的答案進行拆分。

要計算拼寫錯誤的單詞和原始單詞，只需檢查單詞字典查找返回的值是否等於單詞，如果是，則更新單詞的原始計數，否則更新未命中計數：

words = {'acheive':'achieve', 'achiev':'achieve','achieve':'achieve',
         'apparently':'apparently','apparantly':'apparently','apparintly':'apparently'}


s = "achiev acheive achieve! 'apparently' apparintly 'apparantly?""

from collections import defaultdict
from string import punctuation

cn = defaultdict(lambda:{"orig": 0 ,"miss":0})
for word in s.split():
    word = word.strip(punctuation)
    if word in words:
        wrd = words[word]
        if wrd == word:
           cn[wrd]["orig"] += 1
        else:
            cn[wrd]["miss"] += 1
print(cn)
defaultdict(<function <lambda> at 0x7f001fb2a8c0>, 
{'apparently': {'miss': 2, 'orig': 1}, 'achieve': {'miss': 2, 'orig': 1}})

Answer 2

正則表達式可能是一個很好的工具- 單詞邊界錨可以幫助您避免單詞內的子匹配。

對於每個單詞，使用wordre = re.compile(r"\\b" + word + r"\\b", re.I|re.U)構建一個正則表達式，然后計算re.findall(wordre, string) 。