RegEx 用于从字典中检索单词

Question

这是我的代码：它在一个字典和另一个字典中查找并计算第一个字典的值的分数。

d_score = {k: [0, 0, 0] for k in d_filtered_words.keys()}
for k, v in d_filtered_words.items():
    for word in v:
        if word in dico_lexique:
            print(word, dico_lexique[word]
            d_score[k] = [a + b for a, b in zip(map(int, dico_lexique[word]), d_score[k])]
d_score = {k: list(map(str, v)) for k, v in d_score.items()}

打印的结果是：

avoir ['101', '3772', '110']
serrer ['175', '936', '252']
main ['251', '2166', '49']
avoir ['101', '3772', '110']
serrer ['175', '936', '252']
enfant ['928', '1274', '19']
aérien ['354', '769', '39']
affable ['486', '45', '32']
affaire ['46', '496', '104']
agent ['265', '510', '18']
connaître ['448', '293', '29']
rien ['24', '185', '818']
trouver ['387', '198', '31']
être ['225', '328', '44']
emmerder ['0', '23', '493']
rien ['24', '185', '818']
suffire ['420', '35', '56']
mettre ['86', '1299', '67']
multiprise ['314', '71', '0']
abasourdir ['0', '43', '393']
ablation ['75', '99', '353']
abominable ['0', '24', '1170']
être ['225', '328', '44']
seul ['65', '97', '540']
ami ['492', '72', '31']
aimer ['1140', '49', '35']

只是为了澄清： dico_lexique 还包含 key_word 之类的：

sabot de Vénus>orchidée;294;76;0
imbuvable>boisson;0;0;509
imbuvable>insupportable;0;0;416
accentuer>intensifier;255;89;4
accentuer>mettre un accent;50;29;30

在查看 dico_lexique 中的键时，我还想考虑这些词

d_score 的结果是：

{'15': ['1731', '12856', '792'], '44': ['3079', '4437', '2549'], '45': ['75', '166', '1916'], '47': ['7721', '3854', '7259']}

你好，只是为了澄清包含元素'>'的单词也是dico_lexique的一部分，它们不是来自另一个文件。在 dico_lexique 中，您对一个词有不同的含义，为了区分它，有些词后面跟着 '>'。我只在 dico_lexique 和 d_filtered 中查找，并希望考虑 key_word 后跟 '>' 以便当我在 d_filtered_words 中看到 'serrer' 时，代码将检索 'serrer' 的值以及所有值“serrer”这个词后面跟着“>”。

d_score = {k: [0, 0, 0] for k in d_filtered_words.keys()}
for k, v in d_filtered_words.items():
    for word in v:
        regex =????
        if word in dico_lexique and if word = re.findall(regex, word)

Answer 1

编辑：更新问题后的新版本。

样本数据现在是：

>>> d_filtered_words = {
...    '1': ['avoir', 'main'],
...    '2': ['main', 'serrer', 'posséder'],
... }

>>> dico_lexique = {
...     'avoir': ('101', '3772', '110'),
...     'avoir>posséder': ('91', '2724', '108'),
...     'serrer': ('175', '936', '252'),
...     'main': ('251', '2166', '49'),
... }

您必须先处理dico_lexique 以删除> 之后的部分并按主词分组：

>>> values_by_word = {}
>>> for word, values in dico_lexique.items():
...     main, *_ = word.split(">")
...     values_by_word.setdefault(main, []).append(values)
>>> values_by_word
{'avoir': [('101', '3772', '110'), ('91', '2724', '108')], 'serrer': [('175', '936', '252')], 'main': [('251', '2166', '49')]}

解释：

• main, *_ = word.split(">") 将所有内容放在可选的 > 之前，而忘记其余部分（请参阅 destructuring assignement）
• setdefault 如果主词不存在，则创建一个与主词关联的新列表并添加值。

现在，与以下相同的逻辑：

>>> def merge_values(tuples):
...     """Sums columns (with a str->int->str conversion)"""
...     return tuple(str(sum(int(v) for v in vs)) for vs in zip(*tuples))

>>> merged_values_by_word = {code:merge_values(tuples) for code, tuples in values_by_word.items()}
>>> merged_values_by_word
{'avoir': ('192', '6496', '218'), 'serrer': ('175', '936', '252'), 'main': ('251', '2166', '49')}

（我将get_values重命名为merge_values，但功能相同。） 您可以将下面的代码与merged_values_by_word 一起使用，而不是dico_lexique。

编辑结束：以下是旧版本，供记录

您将两个问题混合在一起：您的代码做什么（对与单词或单词族相关的值求和）以及解析文件或字符串。

一些代码审查

让我总结一下： * 你有dico_lexique 将一个单词映射到三个值（包含整数的字符串） * 你有d_filtered_words 将代码（'15'，'44'，...）映射到单词列表。 * 您创建一个字典，将代码映射到[sum of the value1, sum of the value2, sum of the value2]，用于映射到代码并存在于dico_lexique 中的每个单词。

首先，如果您总是有三个值，请使用tuple，而不是list。我将使用这个自定义示例：

>>> d_filtered_words = {
...    '1': ['avoir', 'main'],
...    '2': ['main', 'serrer', 'posséder'],
... }

>>> dico_lexique = {
...     'avoir': ('101', '3772', '110'),
...     'serrer': ('175', '936', '252'),
...     'main': ('251', '2166', '49'),
...     # no posséder here
... }

其次，构建一个将代码映射到三个值列表的dict：

>>> def get_tuples(words):
...     """return the tuples of values for every word in dico_lexique"""
...     return [dico_lexique[word] for word in words if word in dico_lexique]

>>> tuples_by_code = {code:get_tuples(words) for code, words in  d_filtered_words.items()}
>>> tuples_by_code
{'1': [('101', '3772', '110'), ('251', '2166', '49')], '2': [('251', '2166', '49'), ('175', '936', '252')]}

第三，“按列”对值求和。有一个简单的方法来做到这一点：

>>> tuples = [(1,2,3), (4,5,6)]
>>> tuple(zip(*tuples))
((1, 4), (2, 5), (3, 6))
>>> tuple(map(sum, zip(*tuples)))
(5, 7, 9)

zip 函数将对每个元组的第一个元素进行分组，然后对每个元组的第二个元素进行分组，然后...：您得到“列”并且只需对它们求和。在你的情况下：

>>> def get_values(tuples):
...     """Sums columns (with a str->int->str conversion)"""
...     return tuple(str(sum(int(v) for v in vs)) for vs in zip(*tuples))

>>> values_by_code = {code:get_values(tuples) for code, tuples in tuples_by_code.items()}
>>> values_by_code
{'1': ('352', '5938', '159'), '2': ('426', '3102', '301')}

你的问题

现在你的问题。想象一下，我有一个带有替代形式的文本文件：

>>> text = """avoir>posséder
... voilé>dissimulé
... voilé>caché"""

您必须解析该文件并拆分> 上的每一行以构建字典alternative -> main：

>>> main_by_alternative = {a: m for line in text.split("\\n") for m, a in [line.split(">")]}
>>> main_by_alternative
{'posséder': 'avoir', 'dissimulé': 'voilé', 'caché': 'voilé'}

关键思想是拆分字符> 上的行以获取列表中的主要形式和替代形式。 for m, a in [line.split(">")] 是在 dict 理解中使用 m, a = line.split(">") 的技巧。现在，回到get_tuples：

>>> def get_tuples(words):
...     """return the tuples of values for every word in dico_lexique"""
...     return [dico_lexique[main_by_alternative.get(word, word)] for word in words if main_by_alternative.get(word, word) in dico_lexique]

有什么新鲜事？看：main_by_alternative.get(word, word)。如果它退出，它只是获取主表单，否则获取单词本身。

>>> {code:get_tuples(words) for code, words in  d_filtered_words.items()}
{'1': [('101', '3772', '110'), ('251', '2166', '49')], '2': [('251', '2166', '49'), ('175', '936', '252'), ('101', '3772', '110')]}

代码2 现在映射到三个词：'main'、'serrer'、'avoir'（通过'posséder'）。

希望对您有所帮助。我使用了很多 dict/list 解析来使其简短，但如果您需要，请不要犹豫，将代码扩展为常规循环。