如何在文本文件中搜索用户输入的单词列表？答案

【问题标题】：How can I search a text file for a list of words from user input?如何在文本文件中搜索用户输入的单词列表？
【发布时间】：2014-11-23 12:35:17
【问题描述】：

我正在尝试在 Python 3.4.1 中制作一个简单的单词计数器程序，用户将在其中输入以逗号分隔的单词列表，然后在示例文本文件中分析这些单词的频率。

我目前不知道如何在文本文件中搜索输入的单词列表。

首先我尝试过：

file = input("What file would you like to open? ")
f = open(file, 'r')
search = input("Enter the words you want to search for (separate with commas): ").lower().split(",")
search = [x.strip(' ') for x in search]
count = {}
for word in search:
    count[word] = count.get(word,0)+1
for word in sorted(count):
    print(word, count[word])

这导致：

What file would you like to open? twelve_days_of_fast_food.txt
Enter the words you want to search for (separate with commas): first, rings, the
first 1
rings 1
the 1

如果这有什么可做的，我猜这个方法只给了我输入列表中单词的计数，而不是文本文件中单词输入列表的计数。于是我尝试了：

file = input("What file would you like to open? ")
f = open(file, 'r')
lines = f.readlines()
line = f.readline()
word = line.split()
search = input("Enter the words you want to search for (separate with commas): ").lower().split(",")
search = [x.strip(' ') for x in search]
count = {}
for word in lines:
    if word in search:
        count[word] = count.get(word,0)+1
for word in sorted(count):
    print(word, count[word])

这没有给我任何回报。事情是这样的：

What file would you like to open? twelve_days_of_fast_food.txt
Enter the words you want to search for (separate with commas): first, the, rings
>>>

我做错了什么？我该如何解决这个问题？

【问题讨论】：

标签： python word-count word-frequency

【解决方案1】：

您首先阅读所有行（进入lines，然后尝试仅读取一行，但文件已经为您提供了所有行。在这种情况下，f.readline() 给您一个空行。从在那里，你的剧本注定要失败；你不能计算空行中的单词。

您可以改为遍历文件：

file = input("What file would you like to open? ")

search = input("Enter the words you want to search for (separate with commas): ")
search = [word.strip() for word in search.lower().split(",")]

# create a dictionary for all search words, setting each count to 0
count = dict.fromkeys(search, 0)

with open(file, 'r') as f:
    for line in f:
        for word in line.lower().split():
            if word in count:
                # found a word you wanted to count, so count it
                count[word] += 1

with 语句使用打开的文件对象作为上下文管理器；这只是意味着它会在完成后再次自动关闭。

for line in f: 循环遍历输入文件中的每一行；这比使用f.readlines() 一次将所有行读入内存更有效。

我还稍微清理了您的搜索词剥离，并将count字典设置为一个，所有搜索词都预定义为0；这使得实际计数更容易一些。

因为您现在有一个包含所有搜索词的字典，所以最好针对该字典进行匹配词的测试。对字典进行测试比对列表进行测试更快（后者是列表中的单词越多，扫描需要的时间越长，而字典测试平均需要恒定的时间，无论字典中的项目数量如何）。

【讨论】：

在 file_.readlines().split(',') 上使用collections.Counter 怎么样？嗯，不，毕竟仍然需要迭代每一行。但也许 collections.Counter(file_.read()) 会派上用场？
@brainovergrow：collections.Counter() 是一个很好的补充，但需要导入，并且还会突破 OP 已经熟悉的技术的界限。
@brainovergrow: collections.Counter(f.read().lower().split()) 可以，然后查找其中每个搜索词的计数。但首先过滤搜索词也是一种不错的方法，因为这样会占用更少的内存。
对。很高兴知道顺便说一句。在 Python 3.x 中，“文件”不再是内置的 :)（只是将它留给其他 SO 用户，我很确定你已经知道了。）
进行了编辑并对其进行了测试，效果很好，您的解释为我消除了很多困惑。非常感谢，非常感谢！

【解决方案2】：

你可以试试这个；

import re
import collections

wanted = ["cat", "dog"]
matches = re.findall('\w+',open('hamlet.txt').read().lower())
counts = collections.Counter(matches) # Count each occurance of words
map(lambda x:(x,counts[x]),wanted) # Will print the counts for wanted words

我在形成答案时引用了this solution。

【讨论】：