如何計算另一個.txt文件中項目列表的出現次數？

Question

我有一個單詞列表，我想找到它們在.txt文件中出現了多少次。 單詞列表如下所示：

wordlist = ['cup', 'bike', 'run']

我不僅希望能夠撿起這些單詞，而且還能撿起CUP，騎自行車的人，跑步，杯賽之類的東西。所以我認為我需要一個正則表達式。 這是我在想的，但是不起作用：

len(re.findall(wordlist, filename, re.I))

提前致謝！

Answer 1

你近了 但是re.findall采用模式和字符串，而不是單詞列表和文件名。

但是，如果您將文件讀取為字符串並將單詞表轉換為模式，那么您會得到它。

您需要的模式將如下所示： r"cup|bike|run" 。 您可以執行"|".join(wordlist)來實現。

這是計算所有這些實例的非常寬松的方法。 請注意，如果文件中包含“我的警棍已被re.findall ” re.findall ，則re.findall會在較大的單詞中找到“ run”和“ cup”。 因此，您可能需要調整模式以捕捉單詞的開頭和結尾。

要僅獲取整個單詞，請使用以下模式： r"\\b(cup|bike|run)\\b" 。 當然，您需要填寫要查找的所有單詞變體。

Answer 2

正則表達式需要工作，但這應該可以幫助您入門：

from __future__ import with_statement # only if < 2.6
from collections import defaultdict
import re

matches = defaultdict(int)
with open(filename) as f:
    for mtch in re.findall(r'\b(cup|bike|run)', f.read(), re.I):
        matches[mtch.lower()] += 1

Answer 3

您將首先要猜測所有形式的單詞，這似乎是PITA 。 但是這是我在閱讀http://www.theenglishspace.com/spelling/之后寫的一個簡化的fn：

def getWordForms(word):
    ''' Given an English word, return list of possible forms
    '''
    l = [word]
    if len(word)>1:
        l.extend([word + 's', word + 'ing', word + 'ed'])
        wor, d = word[:-1], word[-1:]
        if d == 'e':
            l.append(word + 'd')
            l.append(wor + 'ing')
            if wor[-1:] == 'f':
                l.append(wor[:-1] + 'ves')
        elif d == 'y':
            l.append(wor + 'ied')
            l.append(wor + 'ies')
        elif d == 'z':
            l.append(word + 'zes') # double Z
        elif d == 'f':
            l.append(wor + 'ves')
        elif d in 'shox':
            l.append(word + 'es')
        if re.match('[^aeiou][aeiou][^aeiou]', word):
            l.append(word + d + 'ing') # double consonant
            l.append(word + d + 'ed')
    return l

它猜測的單詞變體過於寬大-但這沒關系，因為它不是拼寫檢查器，並且您將在兩側使用\\ b來表示單詞邊界。