Python 3 计数器忽略少于 x 个字符的字符串答案

【问题标题】：Python 3 counter that is ignoring strings with less than x charactersPython 3 计数器忽略少于 x 个字符的字符串
【发布时间】：2020-02-13 11:25:17
【问题描述】：

我有一个计算文本文件字数的程序。现在我想将计数器限制为超过 x 个字符的字符串

from collections import Counter
input = 'C:/Users/micha/Dropbox/IPCC_Boox/FOD_v1_ch15.txt'

Counter = {}
words = {}
with open(input,'r', encoding='utf-8-sig') as fh:
  for line in fh:
    word_list = line.replace(',','').replace('\'','').replace('.','').lower().split()
    for word in word_list:
      if word not in Counter:
        Counter[word] = 1
      else:
        Counter[word] = Counter[word] + 1
N = 20
top_words = Counter(Counter).most_common(N)
for word, frequency in top_words:
    print("%s %d" % (word, frequency))

我尝试了re 代码，但它不起作用。

    re.sub(r'\b\w{1,3}\b')

我不知道如何实现它...

最后，我想要一个忽略所有短词的输出，例如 and, you, be 等。

【问题讨论】：

为什么要构建手动计数器？

标签： python string counter analysis word

【解决方案1】：

一些注释。

1) 您导入了 Counter 但没有正确使用它（您执行了 Counter = {} 从而覆盖了导入）。

from collections import Counter

2) 与其使用set 进行多个replaces 使用列表理解，它更快并且只进行一次（两个与连接）迭代而不是多次：

sentence = ''.join([char for char in line if char not in {'.', ',', "'"}])
word_list = sentence.split()

3) 使用计数器和列表计算长度：

c = Counter(word for word in word_list if len(word) > 3)

就是这样。

【讨论】：

【解决方案2】：

计数器已经做了你想要的。您可以用可迭代的方式“喂”它，这将起作用。 https://docs.python.org/2/library/collections.html#counter-objects 你也可以使用过滤功能https://docs.python.org/3.7/library/functions.html#filter 可能看起来很像：

counted = Counter(filter(lambda x: len(x) >= 5, words))

【讨论】：

【解决方案3】：

你可以更简单地做到这一点：

  for word in word_list:
      if len(word) < 5:   # check the length of each word is less than 5 for example
          continue        # this skips the counter portion and jumps to next word in word_list
      elif word not in Counter:
          Counter[word] = 1
      else:
          Counter[word] = Counter[word] + 1

【讨论】：