无法在python中访问不同的文本文件

Question

def input_files(file):
    s=0
    #word=raw_input('enter the word you want to search\n')
    file=file.readlines()
    for lines in file:
        if word in lines:
            s+=lines.count(word)
    print s
word=raw_input('enter the word you want to search\n')
file =open("2.txt")
file2=open("3.txt")
input_files(file)
input_files(file2)

这是我正在做的代码，现在我得到了我想要的结果，但现在我想让我的代码成熟。我不想一次又一次地调用方法来读取文本文件，例如如果我有 39 个数据集文本文件，所以我必须调用函数 39 TIMES 这已经足够了，所以如果有人知道我不必一次又一次调用该方法的方式，它只会自动获取文本文件并显示他们的输出，并根据哪个文件有更多单词的结果对它们进行排名。

Answer 1

你可以用循环来做：

导入系统

def input_files(fd, word):
    """return the occurences of `word` in a file"""
    s = 0
    for lines in fd:
        if word in lines:
            s += lines.count(word)
    return s


if __name__ == '__main__':
    word = raw_input('Enter the word you want to search: ')
    total = 0

    for filename in sys.argv[1:]:
        try:
            print("Searching for %s in %s..." % (word, filename))
            with open(filename, "r") as fd:
                found = input_files(fd, word)
                total += found
                print("\t... found %i occurence(s)\n" % found)
        except IOError:
            print("\t... cannot open %s !" % filename)

    print("\nTotal: %i occurences" % total)

它将处理所有作为参数传递给脚本的文件...

---

说明：

sys.argv 是包含通过命令行传递给脚本的参数的变量。

例如，如果您执行命令python my_script.py foo bar，则my_script.py 中的sys.argv 变量将包含["my_script.py", "foo", "bar"]。

如您所见，sys.argv 的第一个元素是脚本本身的名称，所以我们必须跳过它（sys.argv[1:] 表示 «sys.argv 从索引 1 开始的所有项目 »，第 0 项被跳过）。

所以在上面的脚本中，所有作为参数传递给脚本的文件都会被处理。 当然，如果其中一个文件不存在，它就会失败。

来源

• sys.argv
• sequence types

Answer 2

您的代码略有错误，因为它将子词计为词的出现次数。例如 "This is a bad test".count('a') 将给出 2 而不是 1。

正确的分词有点棘手，但这里有一个简单的开始，在标点符号或空格处分词。

def input_files(f, word):
    print sum(re.split('[ .,;:"]').count(word) for line in f)

一个不错的选择是使用正则表达式来查找单词的出现（尽管我认为这会使事情变得更加困难）。

与您的版本相比，此代码还有一些其他改进：如果您使用文件对象作为迭代器，则无需显式执行 readlines() 即可获得行（这避免了将整个文件读入 RAM 并将其表示为列表），当你说 if word in line: s += line.count(word) 时，你实际上比你只写 s += line.count(word) 更慢，因为它需要对行进行 2 次扫描，而不仅仅是一次。

我还将您正在扫描的单词传递给函数，因为它使代码更明显（您甚至可以为此版本编写单元测试）。

要继续...而不是将字数打印出来，您可能想要返回它（因为您想找到字数最多的文件）。然后您可以计算每个文件中给定单词的出现次数，并对它们进行排序。

这是一个解决方案，它使用命令行参数并且没有任何错误检查。 用法：[程序] word file1 file2...

import sys

def words_in_file(filename, word):
    with open(filename, 'r') as f:
        return sum(re.split('[ .,;:"]', line).count(word) for line in f)

def files_by_wordcount(filenames, word):
    counts = [(words_in_file(filename, word), filename) for filename in filenames]
    return sorted(counts, reverse=True)

if __name__ == '__main__':
    for count, filename in files_by_wordcount(sys.argv[2:], sys.argv[1]):
        print filename, count

Answer 3

您需要阅读 sys.argv http://docs.python.org/library/sys.html 的此文档，它可以帮助您理解此库，并且通过此库您可以访问目录中的不同文本文件。 sys.argv[1:] [1:] 是参数，最好不要从零开始。 http://www.ibiblio.org/g2swap/byteofpython/read/sys-module.html 这更清晰更好，也专注于你的编码