文本文件中的单词列表答案

【问题标题】：Word list from text file文本文件中的单词列表
【发布时间】：2013-04-09 01:05:49
【问题描述】：

我需要从一个文本文件创建一个单词列表。该列表将用于刽子手代码中，需要从列表中排除以下内容：

重复的单词
少于 5 个字母的单词
包含 'xx' 作为子字符串的单词
包含大写字母的单词

然后需要将单词列表输出到文件中，以便每个单词都出现在自己的行中。程序还需要输出最终列表中的单词数。

这是我所拥有的，但它无法正常工作。

def MakeWordList():
    infile=open(('possible.rtf'),'r')
    whole = infile.readlines()
    infile.close()

    L=[]
    for line in whole:
        word= line.split(' ')
        if word not in L:
            L.append(word)
            if len(word) in range(5,100):
                L.append(word)
                if not word.endswith('xx'):
                    L.append(word)
                    if word == word.lower():
                        L.append(word)
    print L

MakeWordList()

【问题讨论】：

怎么不能正常工作？您预计会发生什么，以及真正会发生什么？
5个字母以下的单词不带走，大写字母的单词保留。

标签： python parsing

【解决方案1】：

您在这段代码中多次附加了这个词，
您实际上根本没有过滤掉单词，只是根据它们通过的if 的数量来添加不同的计时次数。

你应该合并所有if的：

if word not in L and len(word) >= 5 and not 'xx' in word and word.islower():
    L.append(word)

或者，如果您希望它更具可读性，您可以拆分它们：

    if word not in L and len(word) >= 5:
        if not 'xx' in word and word.islower():
            L.append(word)

但不要在每个之后追加。

【讨论】：

应该是word.endswith('xx')，而不是'xx' in word。
@twasbrillig 然后"abxxcd" 也会匹配。这不是他想要的。
让我澄清一下。而不是not word.endswith('xx')，它应该是not 'xx' in word。否则"abxxcd" 也会匹配，这不是他想要的。
@twasbrillig 我明白了，我从 OP 的代码中假设他只希望结尾有 'xx'。从他的描述来看，这似乎是不正确的。不错的选择。

【解决方案2】：

想一想：在您的嵌套 if 语句中，任何不在列表中的单词都会在您的第一行出现。然后，如果它是 5 个或更多字符，它将被添加再次（我打赌），等等。您需要重新考虑 if 语句中的逻辑。

【讨论】：

【解决方案3】：

改进的代码：

def MakeWordList():
    with open('possible.rtf','r') as f:
        data = f.read()
    return set([word for word in data if len(word) >= 5 and word.islower() and not 'xx' in word])

set(_iterable_) 返回一个没有重复的集合类型对象（所有set 项必须是唯一的）。 [word for word...] 是一种列表推导式，它是一种创建简单列表的更短方式。您可以遍历“数据”中的每个单词（假设每个单词都在单独的行上）。 if len(word) >= 5 and word.islower() and not 'xx' in word 满足最后三个要求（必须超过5个字母，只有小写字母，不能包含'xx'）。

【讨论】：