.txt 文件中的错误输出格式答案

【问题标题】：Bad output format in .txt file.txt 文件中的错误输出格式
【发布时间】：2015-03-01 14:17:01
【问题描述】：

我正在尝试打印到 lexic.txt，如下所示：

Palabra Tag Apariciones
mentales Adj 21
Joaquín_Sánchez_Garrido NP 1
tardíamente Adv 2
repito  V 1
filipinos   Adj 8

但我得到的输出如下：

Palabra Tag Apariciones
mentales Adj 
21
Joaquín_Sánchez_Garrido NP 
1
tardíamente Adv 
2
repito  V 
1
filipinos   Adj 
8

这里是 Python 代码：

file=open('corpus.txt','r')
data=file.readlines()
file.close()

diccionario = {}

for linea in data:
    linea.decode('latin_1').encode('UTF-8') # para los acentos
    palabra_tag = linea.split('\n')
    cadena = str(palabra_tag[0])
    if(diccionario.has_key(cadena)):
        aux = diccionario.get(cadena)
        aux += 1
        diccionario.update({cadena:aux})
    else:
        diccionario.update({cadena:1})

outfile = open('lexic.txt', 'w')
outfile.write('Palabra\tTag\tApariciones\n')

for key, value in diccionario.iteritems() :
    s = str(value)
    outfile.write(key +" "+s+'\n')
outfile.close()

示例输入文件：

Al  Prep
menos   Adv
cinco   Det
reclusos    Adj
murieron    V
en  Prep
las Det
últimas Adj
24  Num
horas   NC
en  Prep
las Det
cárceles    NC
de  Prep
Valencia    NP
y   Conj
Barcelona   NP
en  Prep
incidentes  NC
en  Prep
los Det
que Pron
su  Det

基本上corpus.txt是一个word+tag的训练集，所以程序读取所有的输入文件，写出一个带有word+tag和文件出现次数的输出文件。

有人可以帮我得到想要的结果吗？我是 Python 的新手...

提前致谢

【问题讨论】：

为什么要标记机器学习？
@tourniquet_grab 现在可以了吗？
也许outfile.write(key + '\n' + s + '\n') ?
@HerrActress 不，'\n' 是换行，我要相反，保持键和值在同一行
@gerard 啊抱歉，我以为你想要的正好相反

标签： python format

【解决方案1】：

代码似乎对我来说可以正常工作；但是可以简化为

# Python 3
from collections import Counter

with open("corpus.txt", encoding="latin_1") as inf:
    wordcount = Counter(line.rstrip() for line in inf)

with open("lexic.txt", "w", encoding="utf-8") as outf:
    outf.write('Palabra\tTag\tApariciones\n')
    for word,count in wordcount.items():
        outf.write("{}\t{}\n".format(word, count))

或

# Python 2
from collections import Counter

with open("corpus.txt") as inf:
    wordcount = Counter(line.decode("latin_1").rstrip() for line in inf)

with open("lexic.txt", "w") as outf:
    outf.write('Palabra\tTag\tApariciones\n'.encode("utf-8"))
    for word,count in wordcount.iteritems():
        outf.write("{}\t{}\n".format(word, count).encode("utf-8"))

【讨论】：

在终端中我得到：TypeError: 'encoding' is an invalid keyword argument for this function (line 3)
我的错；我只在 Python 3.4 中测试过。
感谢您的时间和帮助，现在我收到以下错误：Traceback (most recent call last): File "P4.py", line 9, in <module> outf.write("{}\t{}\n".format(word, count).encode("utf-8")) UnicodeEncodeError: 'ascii' codec can't encode character u'\xf3' in position 3: ordinal not in range(128)

【解决方案2】：

使用 format() 构造输出字符串时，您需要将其设为 UTF-8 字符串以保存单词中的特殊字符。错误消息中提到的“ascii”编码的应用表明了这一点。使用这个：

for word,count in wordcount.iteritems(): outf.write(u"{}\t{}\n".format(word, count).encode("utf-8"))

编辑：抱歉，这应该是在 Hugh 提供的近乎完美的解决方案之后出现的。我只是在回应 Gerard 遇到的错误。 Hugh 没有遇到这个问题，因为他运行的是 python 3.x，默认情况下将字符串处理为 unicode。

【讨论】：