使用字典将拼写错误的单词分配给其行号

Question

这是我目前拥有的代码：

from collections import defaultdict

goodwords = set()

with open("soccer.txt", "rt") as f:
     for word in f.readlines():
        goodwords.add(word.strip())

badwords = defaultdict(list)

with open("soccer.txt", "rt") as f:
    for line_no, line in enumerate(f):
        for word in line.split():
            if word not in text:
                badwords[word].append(line_no)

print(badwords)

如何修复我的代码，以便打印存储在 words 列表中的错误单词和行号？

例如，如果单词 togeher 在第 5 行和第 7 行拼写错误，则会打印如下内容：

togeher 5 7

Answer 1

将新的counter 插入d 时，首先检查word 是否包含在words 中。可能您想检查word 是否已包含在d 中：

if word not in d:
    d[word] = [counter]
else:
    d[word].append(counter)

检查word 是否包含在words 或line 中应该是单独的if。

您还可以使用 dicts setdefault() 方法简化此逻辑：

d.setdefault(word, []).append(counter)

或者您将d 设为defaultdict，这样可以更加简化分配：

from collections import defaultdict
d = defaultdict(list)
...
d[word].append(counter)

关于一般算法请注意，在您第一次遍历所有行以递增计数器时，当计数器已经达到最大值时，开始检查拼写错误的单词。可能您应该检查循环中增加计数器的每一行。

Answer 2

形成你正在做的事情，我怀疑以下内容会非常适合你：

from collections import defaultdict

text = ( "cat", "dog", "rat", "bat", "rat", "dog",
         "man", "woman", "child", "child") #

d = defaultdict(list)

for lineno, word in enumerate(text):
    d[word].append(lineno)

print d

这会给你一个输出：

defaultdict(<type 'list'>, {'bat': [3], 'woman': [7], 'dog': [1, 5],
                            'cat': [0], 'rat': [2, 4], 'child': [8, 9],
                            'man': [6]})

这只是设置一个空的默认字典，其中包含您访问的每个项目的列表，这样您就不必担心创建条目，然后在单词列表中枚举它，所以您不需要需要跟踪行号。

由于您没有正确拼写的列表，这实际上不会检查单词是否拼写正确，只是构建一个包含文本文件中所有单词的字典。

要将字典转换为一组单词，请尝试：

all_words = set(d.keys())
print all_words

产生：

set(['bat', 'woman', 'dog', 'cat', 'rat', 'child', 'man'])

或者，只是打印单词：

for word in d.keys():
    print word

编辑 3：

我认为这可能是最终版本： 这是一个（故意）非常粗糙但几乎完整的拼写检查器。

from collections import defaultdict

# Build a set of all the words we know, assuming they're one word per line
good_words = set() # Use a set, as this will have the fastest look-up time.
with open("words.txt", "rt") as f:
    for word in f.readlines():
        good_words.add(word.strip())

bad_words = defaultdict(list)

with open("text_to_check.txt", "rt") as f:
    # For every line of text, get the line number, and the text.
    for line_no, line in enumerate(f):
        # Split into seperate words - note there is an issue with punctuation,
        # case sensitivitey, etc..
        for word in line.split():
            # If the word is not recognised, record the line where it occurred.
            if word not in good_words:
                bad_words[word].append(line_no)

最后，bad_words 将是一个字典，其中未识别的单词作为键，单词所在的行号作为匹配值条目。