如何在python中找到小说中所需的单词？

Question

我有一个文本，我在 python 中有一个阅读模块的任务：

查找被称为Mr. XXX 的人的姓名。将结果保存在字典中，名称为键，使用次数为值。例如：

• 如果小说中有丘吉尔先生，则包括{'Churchill' : 2}
• 如果弗兰克·丘吉尔先生在小说中，则包括{'Frank Churchill' : 4}

该文件为 .txt，包含大约 10-15 个段落。

您对如何改进有什么想法吗？ （在一些话之后它给了我错误，我猜错误是由于Mr. 之一位于行尾的原因。）

orig_text= open('emma.txt', encoding = 'UTF-8')
lines= orig_text.readlines()[32:16267]
counts = dict()
for line in lines:
    wordsdirty = line.split()
    try:
        print (wordsdirty[wordsdirty.index('Mr.') + 1])
    except ValueError:
        continue

Answer 1

试试这个：

text = "When did Mr. Churchill told Mr. James Brown about the fish"
m = [x[0] for x in re.findall('(Mr\.( [A-Z][a-z]*)+)', text)]

你得到：

['Mr. Churchill', 'Mr. James Brown']

要解决线路问题，只需阅读整个文件：

text = file.read()

然后，要计算出现次数，只需运行：

Counter(m)

最后，如果您想从所有字典条目中删除 'Mr. '，请使用 x[0][4:] 而不是 x[0]。

Answer 2

这可以使用正则表达式和捕获组轻松完成。

查看here 以供参考，在这种情况下，您可能想做类似的事情

# retrieve a list of strings that match your regex
matches = re.findall("Mr\. ([a-zA-Z]+)", your_entire_file)  # not sure about the regex

# then create a dictionary and count the occurrences of each match
# if you are allowed to use modules, this can be done using Counter
Counter(matches)

要像这样访问整个文件，您可能需要将其映射到内存，请查看this question