如何計算每個單詞在文本文件中出現的次數

Question

我有，我需要找到每個單詞有多少次出現在該文本文件的一個挑戰。 您可以忽略標點和大寫。

我的目標是：

• 找到一種讀取文件並將其保存到變量的方法
• 刪除一些不必要的空格（而不是單詞之間的空格）
• 找到一種寫正則表達式的方法，該正則表達式將忽略標點和大寫的單詞
• 將新重構的故事存儲在新變量中
• 以某種方式調用（拆分）並將單詞存儲在有序數組中

到目前為止，這就是我的頭腦。 我顯然不是在可以編寫代碼以按單詞長度對單詞進行分組的時候。

但是，我發現了該代碼，相信會對我有幫助，但我無法理解它，我認為這是我想要的。 有人可以引導我通過它嗎？

這是我正在尋找的工作示例： http : //textuploader.com/dq68g

CountUniqueWords.prototype.countWords = function(line) {
  var self = this;
  var uniqueWords = self._uniqueWords || {};
  var words = line.match(/(?!\d)(\w+\b)/g, '');
  var word;
  var i;
  for (i = 0; words ? i < words.length : 0; i++) {
    word = words[i].toLowerCase();

    uniqueWords[word] = uniqueWords[word] ?
      uniqueWords[word] += 1 : 1;
  }

  return uniqueWords;
};

Answer 1

這樣可以：

fileContent
    // lowercase
    .toLowerCase()
    // remove non-words
    .replace(/\W/g, " ")
    // split by space, tab and newline
    .split(/\s+/)
    // remove empty entries
    .filter(v => !!v)
    // count all terms
    .reduce((dict, v) => {dict[v] = v in dict ? dict[v] + 1 : 1; return dict}, {});

 var content = `"The quick brown fox jumps over the lazy dog" is an English-language pangram—a sentence that contains all of the letters of the alphabet. It is commonly used for touch-typing practice, testing typewriters and computer keyboards, displaying examples of fonts, and other applications involving text where the use of all letters in the alphabet is desired. Owing to its brevity and coherence, it has become widely known.`; console.log(get_terms(content)); function get_terms(corpus){ return corpus .toLowerCase() .replace(/\\W/g, " ") .split(/\\s+/) .filter(v => !!v) .reduce((dict, v) => {dict[v] = v in dict ? dict[v] + 1 : 1; return dict}, {}); } 

不幸的是，ES不支持任何有序詞典。 為此，您可能必須實現自己的數據結構。