a亚洲精品_精品国产91乱码一区二区三区_亚洲精品在线免费观看视频_欧美日韩亚洲国产综合_久久久久久久久久久成人_在线区

首頁 > 編程 > regex > 正文

python實現統計漢字/英文單詞數的正則表達式

2020-01-20 22:15:29
字體:
來源:轉載
供稿:網友
思路

•使用正則式 "(?x) (?: [/w-]+ | [/x80-/xff]{3} )"獲得utf-8文檔中的英文單詞和漢字的列表。
•使用dictionary來記錄每個單詞/漢字出現的頻率,如果出現過則+1,如果沒出現則置1。
•將dictionary按照value排序,輸出。

源碼
復制代碼 代碼如下:

#!/usr/bin/python
# -*- coding: utf-8 -*-
#
#author: rex
#blog: http://iregex.org
#filename counter.py
#created: Mon Sep 20 21:00:52 2010
#desc: convert .py file to html with VIM.

import sys
import re
from operator import itemgetter

def readfile(f):
with file(f,"r") as pFile:
return pFile.read()

def divide(c, regex):
#the regex below is only valid for utf8 coding
return regex.findall(c)


def update_dict(di,li):
for i in li:
if di.has_key(i):
di[i]+=1
else:
di[i]=1
return di

def main():

#receive files from bash
files=sys.argv[1:]

#regex compile only once
regex=re.compile("(?x) (?: [/w-]+ | [/x80-/xff]{3} )")

dict={}

#get all words from files
for f in files:
words=divide(readfile(f), regex)
dict=update_dict(dict, words)

#sort dictionary by value
#dict is now a list.
dict=sorted(dict.items(), key=itemgetter(1), reverse=True)

#output to standard-output
for i in dict:
print i[0], i[1]


if __name__=='__main__':
main()

Tips

由于使用了files=sys.argv[1:] 來接收參數,因此./counter.py file1 file2 ...可以將參數指定的文件的詞頻累加計算輸出。

可以自定義該程序。例如,
•使用
復制代碼 代碼如下:

regex=re.compile("(?x) ( [/w-]+ | [/x80-/xff]{3} )")
words=[w for w in regex.split(line) if w]


這樣得到的列表是包含分隔符在內的單詞列表,方便于以后對全文分詞再做操作。

•以行為單位處理文件,而不是將整個文件讀入內存,在處理大文件時可以節約內存。
•可以使用這樣的正則表達式先對整個文件預處理一下,去掉可能的html tags: content=re.sub(r"<[^>]+","",content),這樣的結果對于某些文檔更精確。
發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 亚洲视频一区二区在线 | 国产精品久久久久久吹潮 | 日本天堂在线 | 999精品在线| 国产精品久久久久久久久久 | 人人澡人人射 | 精品久久久久久久久久久久久 | 成人男女激情免费视频 | 免费黄色av网址 | 午夜免费一区二区播放 | 一级篇 | 中文二区| 国产美女精品人人做人人爽 | 久久久久久电影 | 日韩毛片免费视频一级特黄 | 欧美国产一区二区 | 亚洲九九 | 99国产精品99久久久久久 | 久久久久一区 | 亚洲精品视频在线播放 | 黄网站涩免费蜜桃网站 | 中文字幕在线观看 | 亚洲国产成人在线 | 欧美影 | 国产综合亚洲精品一区二 | 精品一区二区久久久久久久网站 | 国产在线一二三区 | 久久成人一区 | 久久久久久久久免费视频 | 日日摸日日碰夜夜爽亚洲精品蜜乳 | 麻豆精品国产91久久久久久 | 国产精品视频 | 国产精品久久久久9999赢消 | 国产艳妇av视国产精选av一区 | 综合一区二区三区 | av播播 | 手机看片1 | 亚洲精品1 | 欧美日韩国产一区二区 | 2019精品手机国产品在线 | 久久成人精品视频 |