有条件地合并文本文件中的行答案

【问题标题】：Conditionally merge lines in text file有条件地合并文本文件中的行
【发布时间】：2021-09-02 14:40:42
【问题描述】：

我有一个包含常见拼写错误及其更正的文本文件。

同一个单词的所有拼写错误都应该在同一行。

我确实做了一些这样的工作，但不是针对同一个单词的所有拼写错误。

misspellings_corpus.txt (sn-p):

I'de->I'd
aple->apple
appl->apple
I'ed, I'ld, Id->I'd

期望：

I'de, I'ed, I'ld, Id->I'd
aple, appl->apple

模板：wrong1, wrong2, wrongN->correct

尝试：

lines = []
with open('/content/drive/MyDrive/Colab Notebooks/misspellings_corpus.txt', 'r') as fin:
  lines = fin.readlines()

for this_idx, this_line in enumerate(lines):
  for comparison_idx, comparison_line in enumerate(lines):
    if this_idx != comparison_idx:
      if this_line.split('->')[1].strip() == comparison_line.split('->')[1].strip():
        #...

correct_words = [l.split('->')[1].strip() for l in lines]
correct_words

【问题讨论】：

将collections.defaultdict(list) 与您的正确拼写键一起使用，并将每个错误拼写附加为一个值。然后一旦完成，您可以根据需要写出 values() 和 key
我对所需的文字感到困惑。第一行不应该是：I'd, I'd, I'd, I'd，第二行也不应该是：apple, apple？
@jrd1 目的是用逗号, 分隔拼写错误，然后-> 正确拼写。我会将所需的模板附加到帖子中。
@JonSG 我现在在帖子中附加了correct_words 的列表。我会调查collections。

标签： python list text slice

【解决方案1】：

将单词的正确拼写存储为字典的键，该字典映射到该单词的一组可能的拼写错误。 dict 旨在让您轻松找到要更正的单词，而 set 旨在避免拼写错误的重复。

possible_misspellings = {}

with open('my-file.txt') as file:
  for line in file:
    misspellings, word = line.split('->')
    word = word.strip()
    misspellings = set(m.strip() for m in misspellings.split(','))

    if word in possible_misspellings:
      possible_misspellings[word].update(misspellings)
    else:
      possible_misspellings[word] = misspellings

然后你可以遍历你的字典

with open('my-new-file.txt', 'w') as file:
  for word, misspellings in possible_misspellings.items():
    line = ','.join(misspellings) + '->' + word + '\n'
    file.write(line)

【讨论】：

我现在试试这个并报告。谢谢。
有效！打字机。假设，我怎样才能消除一行中重复的 拼写错误？
这段代码也应该去掉它们。请注意，我正在从一行中的拼写错误创建一个集合，因此它也不会接受任何重复。
嗯，好的。又是 Tysm。
消除任何类型的重复项的关键是使用集合而不是列表，因为集合是将元素视为属于或不属于它们的事物的结构。然后，当您尝试添加已在集合中的元素时，其状态仍将是“属于该集合”。

【解决方案2】：

lines = []
with open('misspellings_corpus.txt', 'r') as fin:
  lines = fin.readlines()
from collections import defaultdict
my_dict = defaultdict(list)


for line in lines:
    curr_line = line.split("->")[0].replace(" ","")
    if "," in curr_line:
        for curr in curr_line.split(","):
            my_dict[line.split("->")[1].strip()].append(curr)
    else:
        my_dict[line.split("->")[1].strip()].append(curr_line)

for key, values in my_dict.items():
    print(f"{key} -> {', '.join(values)}")

【讨论】：