主页 / 问题 / 729156
Accepted
Екатерина Нагорная
Asked:2020-10-11 02:51:33 +0000 UTC2020-10-11 02:51:33 +0000 UTC

在python 2.7中按字母和单词的数量对句子列表进行排序

  • 772

我开始学习 Python 2.7。有必要按字母和单词的数量对句子列表进行排序。歌曲 - 实际上是带有列表本身的文件。

排序，我怀疑，有必要使用密钥，但我仍然没有足够的想法。

song = sys.argv[1]
w = open(song)
for line in sorted(w, key = int(len(line)))   
    print line
python

2 个回答

  1. Best Answer

    参数key必须是一个函数，它接受当前元素并返回一个值作为排序依据。在这种情况下，它非常简单len（将长度转换为整数是不必要的，因为len它无论如何都会返回一个整数）：

    song = sys.argv[1]
w = open(song)
for line in sorted(w, key=len)   
    print line

    在更复杂的排序情况下，您可能需要创建一个 lambda 函数（甚至将代码移动到一个单独的命名函数中）。

    要按字数排序，可以使用 string 方法按空格字符拆分字符串split，然后按结果块数排序：

    song = sys.argv[1]
w = open(song)
for line in sorted(w, key=lambda x: len(x.split()))
    print line

    要按单词数对行进行排序，并按字母数对行中的单词进行排序，您可以这样做：

    首先，我们简单地创建一个字符串列表，将每个字符串分解为单词：

    lines = [line.rstrip().split() for line in file]

    在字符串中添加单词排序（这是同一个字符串，只是添加了排序）：

    lines = [sorted(line.rstrip().split(), key=len) for line in file]

    我们添加按单词数对行进行排序（用迭代器替换列表生成器 - 圆括号而不是方括号）：

    lines = sorted((sorted(line.rstrip().split(), key=len) for line in file), key=len)

    因为 行已经被分词了，那么你就split不需要再做一次了，只需按列表的长度排序即可。

    好吧，当显示在屏幕上时，我们将单词列表收集回整行：

    for line in lines:
    print ' '.join(line)

    添加。正如jfs在答案的评论中正确指出的那样，如果文件被保存，例如，以utf-8（通常，任何非单字节编码），那么将不会有字符数，而是一个字节计数，加上由 unicode 空白字符分割将不起作用。

    要以所需编码打开文件，您需要使用io.open(). 打开时，将使用系统默认编码。要使用特定的编码，您可以在打开时指定它：

    import io
...
w = io.open(song, encoding='utf-8')
    • 2

  2. sentences要按字数对句子列表进行排序：

    sentences.sort(key=word_count)

    其中函数word_count()接受一个句子并返回其中的单词数。

    如果您还希望单个句子中的单词按字母数排序，那么您应该将每个句子分成单词并对单词进行排序：

    words = get_words(sentence)
words.sort(key=char_count)

    在这里get_words()，该函数接受一个句子并返回其中的单词列表。char_count()该函数接受一个单词并返回其中的字母数。

    函数 word_count、get_word、char_count 的具体外观基本上取决于任务。

    例如，如果在命令行中给出的输入文件包含一个新行的句子，并且单词只是用空格分隔，那么按照句子中的单词数对句子进行排序，句子中的单词按照字母数：

    #!/usr/bin/env python
import io
import sys

with io.open(sys.argv[1]) as file:
    sentences = file.read().splitlines()  # NOTE: line ends are not included
    result = sorted([sorted(get_words(s), key=char_count)
                     for s in sentences], key=word_count)

for words in result: # for each sentence
    print(' '.join(words))

    在哪里：

    get_words = unicode.split  # split on arbitrary whitespace
word_count = len           # number of items in the list of words
char_count = len           # unicode word length

    代码注释：

    • io.open()用于将文本读取为 unicode，而不是字节（使用locale.getpreferredencoding()编码）。一个单词中的字节数可能与其中的字符数不匹配。请参阅字符串长度被认为不正确
    • unicode.splitlines()返回字符串列表，去掉行尾

    • unicode.split()在任意空格处断开字符串（不仅u' '，而且例如U+00A0 也理解非断开空格）。或者，可以使用正则表达式来获取单词列表：

      import re

words = re.findall(r'\w+', sentence, flags=re.UNICODE)

      例如，如果您不想将标点符号视为单词的一部分，这很有用（如果您只是用空格将其分开，那么点和逗号会保留在单词中）

    • word_count = len之所以有效，是因为每个句子都作为单词列表在代码中表示

    • unicodePython 中的对象是不可变的字符序列（Unicode 代码点），因此char_count = len. 也就是说，字母的数量被认为等于单词中的字符数量。值得注意的是，一个可见的字母可能由几个字符组成：

      >>> len(u"ё")
2
>>> u"ё"
u'\u0435\u0308'

      为了在文本中移动，为了在 GUI 中复制，我们不希望只得到一半的字母。请参阅将 Python 3 中的单词拆分为字符

      此外，还有所谓的 python 2 可执行文件的“窄”构建，其中非 BMP 字符，如U+1F602 (FACE WITH TEARS OF JOY)表示为代理对（抽象被破坏 - 实现中的缺陷）。在“宽”构建（通常在 Linux 上）或 Python 3 中不存在此问题：索引（Unicode）字符串不会破坏字符（Unicode 代码点）：

      >>> print(u'\U0001f602')
😂
>>> len(_)
1
    • 2

相关问题