在文本文件中分别计算不同类别的单词答案

【问题标题】：count words of different classes separately in a text file在文本文件中分别计算不同类别的单词
【发布时间】：2016-10-03 05:01:28
【问题描述】：

我有一些波斯语文本文件。每个文件包含很多句子，每个句子都换行。每个句子前面都有一个制表符，然后是一个单词，然后是一个制表符，然后是一个英文单词。这些英文单词在一些文件中是 2，在一些是 3，在一些是 5，在其他一些中，或多或少。实际上，它们显示句子类。我必须分别计算每个班级的总单词（只计算句子的单词而不是它们之后的单词）。为此，我必须将文件更改为列表，以便我可以实现句子。现在的问题是，我应该如何编写它分别返回每个类的总单词的代码。下面是例句。

corpus = []
def CountWords (file):
    with open (file, encoding = "utf-8") as f1:
         for line in f1:
             t = line.strip().split("\t")
             corpus.append(t)
             for row in corpus:
                 if row[2] != row[2]:

现在我不知道如何继续。如果有人可以提供帮助，我将不胜感激。（我没有编程背景）。

【问题讨论】：

我不太清楚你面临什么问题，但你可以使用很棒的collections.Counter 数据结构来计算文件中的元素。
班上的话是什么意思？一个例子？
比如“激情”类有多少个词，“咸”类有多少个词。

标签： python nlp

【解决方案1】：

如果我理解正确，那么下一个代码可能会起作用。请注意，我使用的是 Python 3.x。

from collections import Counter

counter = Counter()

with open(filename, encoding='utf-8') as f:
     for line in f:
         *persian_words, word_class = line.strip().split()
         counter[word_class] += len(persian_words) - 1

# Print the top 10 word classes with respective number of Persian words
for word_class, count in counter.most_common(10):
    print('{}\t{}'.format(word_class, count))

【讨论】：

非常感谢。这是我想要的。但不幸的是，它没有返回正确的总字数！
@suneye，具体的问题是什么？
@suneye，您能给我们提供更多信息吗？我检查了我的代码（使用csv 模块的第二个版本），它运行良好。
@suneye，我看到你已经为你的问题上传了一张图片，但这对我没有帮助。我需要得到你的纯文本文件。
我正在尝试使用 pastebin。

【解决方案2】：

尝试在纸上制定您的算法，然后将其转换为 Python：我相信您会自己找到解决方案。

如果您遇到问题或错误，请在此处发布您的问题，我们很乐意为您提供帮助。

建议：

您可以使用 ˋcsv` 模块来读取您的文件。使用此关键字查找一些教程。
您可以使用 ˋcollection.Counter` 来计算单词的出现次数。这可能很有用。

【讨论】：