我基本上试图读取一个txt文件,删除不在字母表中的所有符号和标点符号(A-Z),然后生成一个输出,用于并排显示文件中的所有单词。为了获得分数,我试图将单词的每个字母与一个键进行比较。这个键代表了这封信的价值。通过将给定单词的所有字母值相加,我将获得该单词的总分。
alphakey = {'a': 5, 'b': 7, 'c': 4, 'd': 3, 'e': 7, 'f': 3,
'g': 3, 'h': 5, 'i': 2, 'j': 2, 'k': 1, 'l': 2,
'm': 6, 'n': 3, 'o': 1, 'p': 2, 'q': 1, 'r': 4,
's': 3, 't': 7, 'u': 5, 'v': 5, 'w': 2, 'x': 1,
'y': 2, 'z': 9}
这是我到目前为止所做的,但我完全陷入困境。
with open("hunger_games.txt") as p:
text = p.read()
text = text.lower()
text = text.split()
new = []
for word in text:
if word.isalpha() == False:
new.append(word[:-1])
else:
new.append(word)
class TotalScore():
def score():
total = 0
for word in new:
for letter in word:
total += alphakey[letter]
return total
我想要得到类似的东西:
you 5
by 4
cool 10
等等..列表中的所有单词。在此先感谢您的帮助。
正如评论中指出的那样,你不需要有一个类,你的回报是错误缩进的,否则我认为你的score
函数可以做你需要的计算总分。
如果你需要一个单词分数,你可以再次使用一个字典,来存储这些:
def word_score(word):
return sum(alphakey[l] for l in word)
def text_scores(filename):
with open(filename) as p:
text = p.read()
text = re.sub(r'[^a-zA-Z ]', '', text.lower())
return {w: word_score(w) for w in text.split()}
print(text_scores("hunger_games.txt"))
如果hunger_games.txt包含“you by cool”,则会打印:
{'you': 8, 'by': 9, 'cool': 8}
是否必须删除标点符号?或者你这样做,以便你可以匹配字典的键?如果您对标点符号保持不变,那么可以通过几行解决:
alphakey = {'a': 5, 'b': 7, 'c': 4, 'd': 3, 'e': 7, 'f': 3,
'g': 3, 'h': 5, 'i': 2, 'j': 2, 'k': 1, 'l': 2,
'm': 6, 'n': 3, 'o': 1, 'p': 2, 'q': 1, 'r': 4,
's': 3, 't': 7, 'u': 5, 'v': 5, 'w': 2, 'x': 1,
'y': 2, 'z': 9}
with open("hunger_games.txt") as p:
text = p.read()
text = text.lower()
words = text.split()
uniqueWords = {}
for word in words:
if not word in uniqueWords:
uniqueWords[word] = sum([alphakey[letter] for letter in word if letter.isalpha()])
print(uniqueWords)
最后一行可能需要一些解释。首先
[alphakey[letter] for letter in word if letter.isalpha()]
是一个称为“列表理解”的例子。它们是Python的一个非常有用的功能,它允许我们在一行中创建一个完整的列表。我刚刚列出的那个将通过“单词”中的每个字母,如果它是按字母顺序排列的,它将返回“alpha key”中的值。例如,如果这个词是:
"hello"
它会返回列表:
[5, 7, 2, 2, 1]
如果这个词是:
"w4h&t"
列表理解将忽略“4”和“&”并返回列表:
[2, 5, 7]
要将它们转换为单个值,我们将理解包装为sum
函数。因此,对于单词“hello”,最终值为17,对于“w4h&t”,最终值为14。
我建议你使用nltk进行文本操作。这是我的解决方案(你可以缩小一些代码块,我只是让它在视觉上更容易理解)。
基本上你将文本分成单词列表,然后我们可以使用set()函数删除所有重复项,然后我们循环计算得分的所有单词。我希望代码很清楚。
import nltk
alphakey = {'a': 5, 'b': 7, 'c': 4, 'd': 3, 'e': 7, 'f': 3,
'g': 3, 'h': 5, 'i': 2, 'j': 2, 'k': 1, 'l': 2,
'm': 6, 'n': 3, 'o': 1, 'p': 2, 'q': 1, 'r': 4,
's': 3, 't': 7, 'u': 5, 'v': 5, 'w': 2, 'x': 1,
'y': 2, 'z': 9}
text = """
boy girl girl boy dog Dog car cAr dog girl you by cool 123asd .asd; 12asd
"""
words = []
results = {}
sentences = nltk.sent_tokenize(text)
for sentence in sentences:
words += nltk.word_tokenize(sentence)
words = list(set([word.lower() for word in words]))
for word in words:
if word.isalpha():
total = 0
for letter in word:
total += alphakey[letter]
results[word] = total
for val in results:
print(f"{val} {results[val]}")
输出:
dog 7
you 8
by 9
boy 10
cool 8
car 13
girl 11