在 Python 中使用字典作为正则表达式

Question

我有一个 Python 问题，希望得到一些帮助。

让我们从重要的部分开始，这是我当前的代码：

import re #for regex
import numpy as np #for matrix

f1 = open('file-to-analyze.txt','r') #file to analyze

#convert files of words into arrays. 
#These words are used to be matched against in the "file-to-analyze"
math = open('sample_math.txt','r')
matharray = list(math.read().split())
math.close()

logic = open('sample_logic.txt','r')
logicarray = list(logic.read().split())
logic.close()

priv = open ('sample_priv.txt','r')
privarray = list(priv.read().split())
priv.close()

... Read in 5 more files and make associated arrays

#convert arrays into dictionaries
math_dict = dict()
math_dict.update(dict.fromkeys(matharray,0))

logic_dict = dict()
logic_dict.update(dict.fromkeys(logicarray,1))

...Make more dictionaries from the arrays (8 total dictionaries - the same number as there are arrays)

#create big dictionary of all keys
word_set = dict(math_dict.items() + logic_dict.items() + priv_dict.items() ... )

statelist = list()

for line in f1:
     for word in word_set:
         for m in re.finditer(word, line):
            print word.value()

该程序的目标是获取一个大文本文件并对其进行分析。本质上，我希望程序循环遍历文本文件并匹配在 Python 词典中找到的单词，并将它们与类别相关联并在列表中跟踪它。

例如，假设我在解析文件时遇到了“ADD”一词。 ADD 列在“数学”或“0”类别的单词下。然后程序应将其添加到它在 0 类别中运行的列表中，然后继续解析该文件。本质上生成一个看起来像 [0,4,6,7,4,3,4,1,2,7,1,2,2,2,4...] 的大列表，每个数字对应一个如上所述的特定状态或类别的单词。为了便于理解，我们将这个大列表称为“statelist”

从我的代码中可以看出，到目前为止，我可以将文件作为输入进行分析，将包含单词列表的文本文件存储到数组中，然后从那里存储到具有正确对应列表值的字典中（a数值从 1 - 7)。但是，我在分析部分遇到了问题。

从我的代码中可以看出，我正在尝试逐行浏览文本文件，并使用字典对找到的任何单词进行正则表达式。这是通过循环和正则表达式完成的，第 9 字典或多或少是一个“超级”字典，以帮助简化解析。

但是，我无法匹配文件中的所有单词，当我找到该单词时，将其与字典值而不是键匹配。那是当它运行并“添加”以将 0 添加到列表中时，因为它是 0 或“数学”类别的一部分。

有人能帮我弄清楚如何编写这个脚本吗？对此，我真的非常感激！很抱歉，这篇文章很长，但代码需要大量解释，所以你知道发生了什么。非常感谢您的帮助！

Answer 1

对现有代码的最简单更改就是在循环中跟踪单词和类别：

for line in f1:
    for word, category in word_set.iteritems():
        for m in re.finditer(word, line):
            print word, category
            statelist.append(category)