1

Необходимо написать программу, которая считывает текст из файла (в файле может быть больше одной строки) и выводит самое частое слово в этом тексте и через пробел то, сколько раз оно встретилось. Если таких слов несколько, вывести лексикографически первое (можно использовать оператор < для строк).

Слова, написанные в разных регистрах, считаются одинаковыми.

Sample Input:
abc a bCd bC AbC BC BCD bcd ABC
Sample Output:
abc 3

Пытался реализовать задачу разными методами, однако в итоге получается не то.

Пример кода:

lst = []
maX = {}
with open("someinputfile.txt", 'r') as s:
    for line in s:
        lst.extend(line.split())
for i in lst:
    maX.update({i:lst.count(i)})
with open("outfile.txt", "w") as out:
    out.write(str(maX))

Необходимо считать i в разных регистрах и обновить значения в словаре, по коду который в примере получится словарь {'AbC': 1, 'BC': 1, 'a': 1, 'BCD': 1, 'bcd': 1, 'abc': 1, 'ABC': 1, 'bC': 1, 'bCd': 1}

Подскажите, какими методами можно считывать строки в разных регистрах или возможные реализации данной задачи?

2
  • 1
    Поскольку регистр Вам неважен, можно банально приводить все строки к одному регистру: lst.extend(line.lower().split())
    – andy.37
    2 мар 2016 в 12:52
  • 1
    @andy.37: нужно .casefold() использовать для Юникодных строк для сравнения без учёта регистра вместо .lower().
    – jfs
    3 мар 2016 в 9:36

3 ответа 3

5

Код в вопросе уже подсчитывает частоту слов, разделённых пробелами, с учётом регистра (не эффективно и не идиоматично, но код должен работать).

Чтобы считать слова без учёта регистра достаточно вызвать line.casefold().

Чтобы учесть условие: "Если таких слов несколько, вывести лексикографически первое", имея словарь с частотами слов:

counter = {'bcd': 3, 'abc': 3, 'bc': 2, 'a': 1}
max_count = max(counter.values())
print(*min(p for p in counter.items() if p[1] == max_count))
# -> abc 3

Сортировка здесь не нужна так как все пары просматриваются, чтобы найти самые популярные слова.


Вот полный пример кода, который выводит лексикографически-первое слово, из самых популярных слов во вводе без учёта регистра (top-word.py):

#!/usr/bin/env python3
import fileinput
from collections import Counter

c = Counter(word for line in fileinput.input() for word in line.casefold().split())
max_count = max(c.values())
print(*min(p for p in c.items() if p[1] == max_count))

fileinput.input() читает строки со стандартного ввода (stdin) или из файлов, указанных в командной строке (argv). collections.Counter() подсчитывает частоту повторения полученных слов.

Пример использования:

$ top-word input-file.txt >output-file.txt

Q: Функция '*min' что делает?

min() функция находит минимум:

min(['abc', 'bcd']) == 'abc'  # 'abc' < 'bcd'

* (звёдочка) перед именем -- это специальный оператор, который распаковывает возвращаемую min() пару ('abc', 3) и передает её в print() функцию как отдельные параметры:

p = ['abc', 3]
print(*p)

это тоже самое что:

p = ['abc', 3]
print(p[0], p[1])

то есть просто:

print('abc', 3)

Что значит * (звёздочка) и ** двойная звёздочка в Питоне?

Q: И можно итог выразить не печатая, а записывать как 'abc 3' в файл?

Чтобы в файл записать, достаточно file параметр указать:

with open(filename, 'w') as file:
    print('abc', 3, file=file)
4
  • не по ответу, @jfs, а как долго вы с питоном знакомы?
    – gil9red
    2 мар 2016 в 19:23
  • 1
    @gil9red: 1- достаточно давно, что иногда когда возникает вопрос, читая ответ на Stack Overflow, не сразу узнаю, что я автор ответа. 2- Общие вопросы лучше в чате или если уведомления там не срабатывают, то по почте (в профиле).
    – jfs
    2 мар 2016 в 19:32
  • Функция '*min' что делает? И можно итог выразить не печатая, а записывать как 'abc 3' в файл? Все в set записывает.
    – akaTaniS
    3 мар 2016 в 12:29
  • На выходу получился почти лаконичный код, спасибо за помощь!
    – akaTaniS
    4 мар 2016 в 9:30
3

Используйте collections.Counter:

>>> from collections import Counter
>>> l = 'abc a bCd bC AbC BC BCD bcd ABC'.split()
>>> l
['abc', 'a', 'bCd', 'bC', 'AbC', 'BC', 'BCD', 'bcd', 'ABC']
>>> c = Counter(l)
>>> c
Counter({'AbC': 1, 'ABC': 1, 'bCd': 1, 'abc': 1, 'bcd': 1, 'a': 1, 'BCD': 1, 'BC': 1, 'bC': 1})
>>> for k, v in c.items():
...     k, v
...
('AbC', 1)
('ABC', 1)
('bCd', 1)
('abc', 1)
('bcd', 1)
('a', 1)
('BCD', 1)
('BC', 1)
('bC', 1)
>>>
0

В итоге получился такой код:

import fileinput
from collections import Counter

c = Counter(word for line in fileinput.input(files=('dataset_3363_3.txt')) for word in line.casefold().split())
max_count = max(c.values())
f1 = open("1.txt", "w+")
print(*min(p for p in c.items() if p[1] == max_count), file = f1)
1
  • 1- скобки вокруг *min()следует убрать, иначе SyntaxError получится. 2- также скобки вокруг строки бесполезны: ('abc') == 'abc' 3- с одним именем fileinput.input в этом случае не имеет смысла использовать, можно просто open('dataset_3363_3.txt') вызвать, чтобы файл получить. 4- используйте with-конструкцию при открытии файлов чтобы закрыть их автоматически.
    – jfs
    7 мар 2016 в 1:57

Ваш ответ

Нажимая на кнопку «Отправить ответ», вы соглашаетесь с нашими условиями использования и подтверждаете, что прочитали и поняли наши политику конфиденциальности и нормы поведения.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.