我的代码处理从文本文件读取的行(请参阅最后的“文本处理详细信息”)。我需要修改代码,使其执行相同的任务,但仅在某些点之间使用单词。
代码不应理会此文本。跳过它。
*****这是标记,用于说明从何处开始使用文本。在最后三个星号之后,请勿执行任何操作。> ***
使用本节中的所有代码
*****当看到前三个星号时停止使用文本*****
代码不应理会此文本。跳过它。
所有情况的标记都是三个星号。标记仅在它们出现在行的开头和结尾时计数。
我应该使用什么使我的代码仅在第二和第三组星号之间起作用?
文字处理详细信息
我的代码读取一个文本文件,将所有单词都转换为小写,然后拆分单词,将它们放入列表中:
infile = open(filename, 'r', encoding="utf-8")
text = infile.read().lower().split()
然后,它将单词中所有语法符号的列表去除:
list_of_words = [word.strip('\n"-:\';,.') for word in text]
最后,对于该列表中的每个单词,如果仅包含字母符号,则将其附加到新列表中。然后返回该列表:
for word in list_of_words:
if word.isalpha():
list_2.append(word)
return list_2
最佳答案
实际上,“计数两条标记线之间的单词”似乎是一项任务。将不同的任务和决策分成单独的功能和生成器,这将非常容易。
步骤1:将文件I / O与单词计数分开。为什么单词计数代码应该关心单词的来源?
步骤2:从文件处理和字数统计中分别选择要处理的行。为什么应该向字数统计代码赋予不应计数的字?对于一个功能而言,这仍然是一项艰巨的任务,因此它将进一步细分。 (这是您要询问的部分。)
步骤3:处理文字。您已经或多或少地做到了。 (我假设您的文本处理代码以名为words
的函数结尾)。
1.单独的文件I / O
从文件中读取文本实际上是两个步骤:首先,打开并读取文件,然后将换行符从每一行中删除。这是两个工作。
def stripped_lines(lines):
for line in lines:
stripped_line = line.rstrip('\n')
yield stripped_line
def lines_from_file(fname):
with open(fname, 'rt', encoding='utf8') as flines:
for line in stripped_lines(flines):
yield line
这里没有提示您进行文本处理。
lines_from_file
生成器仅产生在文件中找到的任何字符串...去除其尾随的换行符。 (请注意,普通的strip()
还将删除开头和结尾的空格,必须保留这些空格以标识标记线。)2.仅选择标记之间的线。
这确实是一个多步骤。首先,您必须知道什么是标记线,什么不是标记线。那只是一个功能。
然后,您必须前进到第一个标记(同时丢弃遇到的任何行),最后前进到第二个标记(同时保持遇到的任何行)。第二个标记之后的所有内容甚至都不会被读取,更不用说处理了。
Python的生成器几乎可以为您解决第二步的其余部分。唯一的症结是结束标记...以下详细信息。
2a。什么是标记线,不是标记线?
标识标记线是一个是或不是问题,显然是布尔函数的工作:
def is_marker_line(line, start='***', end='***'):
'''
Marker lines start and end with the given strings, which may not
overlap. (A line containing just '***' is not a valid marker line.)
'''
min_len = len(start) + len(end)
if len(line) < min_len:
return False
return line.startswith(start) and line.endswith(end)
请注意,根据我的要求,标记行不必在起始标记和结束标记之间包含任何文本---六个星号(
'******'
)是有效的标记行。2b。越过第一条标记线。
现在,此步骤很简单:扔掉每一行,直到找到标记线(也将其弄乱)。此功能无需担心第二条标记线,也不必担心没有标记线或其他任何情况。
def advance_past_next_marker(lines):
'''
Advances the given iterator through the first encountered marker
line, if any.
'''
for line in lines:
if is_marker_line(line):
break
2c。越过第二条标记线,保存内容行。
生成器可以轻松产生“开始”标记之后的每一行,但是如果发现没有“结束”标记,则无法返回并取消
yield
这些行。因此,既然您终于遇到了(可能)真正关心的行,则必须将它们全部保存在列表中,直到您知道它们是否有效为止。def lines_before_next_marker(lines):
'''
Yields all lines up to but not including the next marker line. If
no marker line is found, yields no lines.
'''
valid_lines = []
for line in lines:
if is_marker_line(line):
break
valid_lines.append(line)
else:
# `for` loop did not break, meaning there was no marker line.
valid_lines = []
for content_line in valid_lines:
yield content_line
2d。一起粘贴步骤2。
前进经过第一个标记,然后产生一切,直到第二个标记。
def lines_between_markers(lines):
'''
Yields the lines between the first two marker lines.
'''
# Must use the iterator --- if it's merely an iterable (like a list
# of strings), the call to lines_before_next_marker will restart
# from the beginning.
it = iter(lines)
advance_past_next_marker(it)
for line in lines_before_next_marker(it):
yield line
用一堆输入文件测试这样的功能很烦人。用字符串列表测试它很容易,但是列表不是生成器或迭代器,它们是可迭代的。额外的
it = iter(...)
行值得。3.处理选定的行。
同样,我假设您的文本处理代码已安全地包装在名为
words
的函数中。唯一的变化是,您无需打开文件并读取文件即可生成行列表,而是获得了以下行:def words(lines):
text = '\n'.join(lines).lower().split()
# Same as before...
...除了
words
也可能是生成器。现在,调用
words
很简单:def words_from_file(fname):
for word in words(lines_between_markers(lines_from_file(fname))):
yield word
要获取
words_from_file
fname
,请生成从words
中选择的lines_between_markers
中找到的lines_from_file
。4.从程序中调用
words_from_file
。无论您在哪里定义了
filename
---大概在main
内的某个地方---调用words_from_file
一次可以得到一个单词:filename = ... # However you defined it before.
for word in words_from_file(filename):
print(word)
或者,如果您真的需要
list
中的这些单词:filename = ...
word_list = list(words_from_file(filename))
结论
试图将其全部压缩为一个或两个功能会更加困难。这不仅仅是一项任务或决定,而是许多。关键是将其分解为一些细小的工作,每个工作都易于理解和测试。
生成器摆脱了很多样板代码。如果没有生成器,几乎每个函数都需要一个到
for
的some_list.append(next_item)
循环,就像在lines_before_next_marker
中一样。如果您使用Python 3.3+,则
yield from ...
construct会擦除更多样板。每个生成器都包含这样的循环:for line in stripped_lines(flines):
yield line
可以重写为:
yield from stripped_lines(flines)
我数了其中四个。
有关可迭代的变量,生成器和使用它们的函数的更多信息,请参见Ned Batchelder的“ Loop Like a Native”,它以30分钟的video from PyCon US 2013形式提供。
关于python - 处理两条标记线之间的文本文件行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37473770/