如何計算段落中特定單詞的實例數？

Question

我想計算一組單詞出現在文本文件中每個段落中的次數。 我能夠計算一組單詞在整個文本中出現的次數。

有人向我建議我的代碼確實有問題，所以我只想問問我想做什么，如果需要，可以看一下底部的代碼。

因此，鑒於“ frequency_count.txt”中包含“ apple pear grape melon kiwi”一詞，我想知道“ apple”在單獨文件“ test_essay.txt”的每個段落中出現的頻率，梨顯示的頻率等等，然后將這些數字打印成一系列數字，每行對應一個段落。

例如：

apple, pear, grape, melon, kiwi
3,5,2,7,8
2,3,1,6,7
5,6,8,2,3

每行對應一個段落。

我對Ruby非常非常新，所以感謝您的耐心等待。

output_file = '/Users/yirenlu/Quora-Personal-Analytics/weka_input6.csv'
o = File.open(output_file, "r+")

common_words = '/Users/yirenlu/Quora-Personal-Analytics/frequency_count.txt'
c = File.open(common_words, "r")

c.each_line{|$line1|
    words1 = $line1.split
    words1.each{|w1|
        the_file = '/Users/yirenlu/Quora-Personal-Analytics/test_essay.txt'
        f = File.open(the_file, "r")
        rows = File.readlines("/Users/yirenlu/Quora-Personal-Analytics/test_essay.txt")
        text = rows.join
        paragraph = text.split(/\n\n/)
        paragraph.each{|p|
            h = Hash.new
            puts "this is each paragraph"
            p.each_line{|line|
                puts "this is each line"
                words = line.split
                words.each{|w|
                    if w1 == w
                        if h.has_key?(w)
                            h[w1] = h[w1] + 1
                        else
                            h[w1] = 1
                        end
                        $x = h[w1]
                    end
                }
            }
            o.print "#{$x},"
        }
    }
    o.print "\n"
    o.print "#{$line1}"
}

Answer 1

如果您習慣使用PHP或Perl，那么您可能會覺得像$line1這樣的變量是局部變量，但這是全局變量。 非常不鼓勵使用它們，並且嚴格要求它們的實例數量非常短。 在大多數情況下，您可以省略$並使用適當范圍的方式使用變量。

這個例子也有幾乎不可讀的縮進，盡管這可能是剪切和粘貼過程的一個神器。

通常，計數器所需的是創建一個默認值為零的哈希，然后根據需要添加到哈希中：

# Create a hash where the default values for each key is 0
counter = Hash.new(0)

# Add to the counters where required
counter['foo'] += 1
counter['bar'] += 2

puts counter['foo']
# => 1
puts counter['baz']
# => 0

您基本上擁有了所需的東西，但是所有的東西都是混亂的，只需要更好地組織即可。

Answer 2

這是兩個單線計算字符串中單詞的頻率。

第一個比較容易理解，但是效果較差：

txt.scan(/\w+/).group_by{|word| word.downcase}.map{|k,v| [k, v.size]}
# => [['word1', 1], ['word2', 5], ...]

第二個解決方案是：

txt.scan(/\w+/).inject(Hash.new(0)) { |hash, w| hash[w.downcase] += 1; hash}
# => {'word1' => 1, 'word2' => 5, ...}

Answer 3

如果使用以下命令，則可能會更短且更易於閱讀：

1. CSV庫。
2. 使用地圖和塊的更實用的方法。

require 'csv'

common_words = %w(apple pear grape melon kiwi)
text = File.open("test_essay.txt").read

def word_frequency(words, text)
  words.map { |word| text.scan(/\b#{word}\b/).length }
end

CSV.open("file.csv", "wb") do |csv|
  paragraphs = text.split /\n\n/
  paragraphs.each do |para| 
    csv << word_frequency(common_words, para)
  end
end

請注意，這是區分大小寫的，但如果您想要不區分大小寫，那么這是一個小調整。

Answer 4

計算一個單詞在文本中出現的次數：

text = "word aaa word word word bbb ccc ccc"
text.scan(/\w+/).count("word") # => 4

計算一組單詞：

text = "word aaa word word word bbb ccc ccc"
wlist = text.scan(/\w+/)
wset = ["word", "ccc"]
result = {}
wset.each {|word| result[word] = wlist.count(word) }
result # => {"word" => 4, "ccc" => 2}
result["ccc"] # => 2

Answer 5

那這個呢：

# Create an array of regexes to be used in `scan' in the loop.
# `\b' makes sure that `barfoobar' does not match `bar' or `foo'.
p word_list = File.open("frequency_count.txt"){|io| io.read.scan(/\w+/)}.map{|w| /\b#{w}\b/}
File.open("test_essay.txt") do |io|
    loop do
        # Add lines to `paragraph' as long as there is a continuous line
        paragraph = ""
        # A `l.chomp.empty?' becomes true at paragraph border
        while l = io.gets and !l.chomp.empty?
            paragraph << l
        end
        p word_list.map{|re| paragraph.scan(re).length}
        # The end of file has been reached when `l == nil'
        break unless l
    end
end

Answer 6

這是一個替代答案，為了簡潔而進行了調整（盡管不像我的其他答案那樣容易閱讀）。

require 'csv'

words = %w(apple pear grape melon kiwi)
text = File.open("test_essay.txt").read

CSV.open("file.csv", "wb") do |csv|
  text.split(/\n\n/).map {|p| csv << words.map {|w| p.scan(/\b#{w}\b/).length}}
end

我更喜歡稍長但更自我記錄的代碼，但看到它有多小可能很有趣。