Python

Question

我正在尝试查找文本文件中出现的所有字符串，其中每个字符串都位于文件中的新行上。

例如，示例文件可能如下所示：

jump start
jump go
feet start
jump go

所有字符串的目标计数为 1，除了 "jump go" 为 2

到目前为止，我已经成功地使用以下代码找到了单个字数：

import re
import collections
with open('file.txt') as f:
    text = f.read()
words = re.findall(r'\w+',text)
counts = collections.Counter(words)
print(counts)

但是，这只会给出如下输出：jump = 3, start = 2, go = 2, feet = 1

不确定这是否重要，但文件中的行数大约为 500 万行，包含大约 12,000 个独立字符串。

感谢您的帮助！

Answer 1

不使用正则表达式，而是将文件读取为 words=f.readlines()。您最终会得到与每一行对应的字符串列表。然后，从该列表构建计数器。

Answer 2

我成功了：

import collections

lines = [line.strip() for line in open('results.txt')]
counts = collections.Counter(lines)
print counts

输出：

['Sam', 'sam', 'johm go', 'johm go', 'johm for']
Counter({'johm go': 2, 'sam': 1, 'Sam': 1, 'johm for': 1})

Python - 查找文本文件中字符串列表的字符串频率

Python - Finding string frequencies of list of strings in text file

string

text

frequency