打开.txt文件并将每个单词放在字典中[关闭]

Question

我希望打开一个.txt 文件并将文件中的所有单词输入dictionary。在我想累积字典中的单词总数之后。

.txt 文件包含 5 行：

elephant calculator fish
towel onion fish
nandos pigeon tiger
cheeky peg lion
dog cat fish

这是我目前拥有的：

words = 0 
dictionary = []
with open('file.txt','r') as file:
    for x in inf:
        dictionary.split(x)
        words += 1
print(words)

对于这个结构糟糕的问题，我们深表歉意。

Answer 1

获取唯一字数的简单方法是使用set。我将您的文本放入名为“qdata.txt”的文件中。

该文件非常小，因此无需逐行读取：只需将整个内容读入一个字符串，然后将该字符串拆分为空格并将结果列表传递给set 构造函数：

fname = 'qdata.txt'
with open(fname) as f:
    words = set(f.read().split())
print(words, len(words))

输出

set(['towel', 'onion', 'nandos', 'calculator', 'pigeon', 'dog', 'cat', 'tiger', 'lion', 'cheeky', 'elephant', 'peg', 'fish']) 13

之所以有效，是因为“集合对象是不同的可散列对象的无序集合”。如果您尝试将重复的项目添加到集合中，它会被忽略。请参阅文档了解更多详情。

---

对于较大的文件，最好逐行读取和处理它们以避免将整个文件加载到 RAM 中，但是对于现代操作系统，文件需要相当大才能看到任何好处，由于文件缓存。

fname = 'qdata.txt'
words = set()
with open(fname) as f:
    for line in f:
        words.update(line.split())

print(words, len(words))

Answer 2

你有几个问题，但基本策略是正确的

• dictionary 实际上是一个列表……这就是你想要的。重命名它。
• 您以file 打开文件，这在Python 3 中很好，但在Python 2 中不受欢迎，因为它掩盖了内置的file 对象。人们仍然对此很敏感，因此最好使用不同的名称。
• 您没有使用文件变量，而是发明了一个名为 inf 的东西。
• 你拆分了错误的东西。您想拆分从文件中读取的x 行。
• 无需数单词....列表知道它们有多长。

所以，这样会更好

words = []
with open('file.txt') as fileobj:
    for x in fileobj:
        words += x.strip().split()
print(len(words))

collections.Counter 通常用于统计单词的出现次数。假设您可以使用标准库中的任何内容，这将起作用（注意我小写，以便大象和大象计数相同）：

import collections
words = collections.Counter(int)
with open('file.txt') as fileobj:
    for x in fileobj:
        words.update(word.lower() for word in x.strip().split())
# words is a dict-like object with a count of each word
print(len(words))
print(words)
# lets pick one
print('elephant count', words['elephant'])

Answer 3

这可能效率低下，并且从未在这样的情况下使用过，但是作为我也是新手，我想知道为什么以下内容不能用于删除重复项。

words = []
with open('file.txt') as fileobj:
    for x in fileobj:
        words += x.strip().split()
    for i in words:
        if words.count(i) > 1:
            words.remove(i)
print (len(words))
print (words)

大部分代码都归功于 tdelaney。