我正在尝试识别一个特定的词,然后计算它。我需要保存每个标识符的计数。
例如,一个文档可能包含如下内容:
risk risk risk free interest rate
asterisk risk risk
market risk risk [risk
*我需要计算“风险”而不是星号。可能还有其他与风险相关的词,所以不要拘泥于上面的例子。我需要找到的是“风险”。如果风险以 < [ ( 或 . ! * > ] ) 等结束或开始,我也需要计算它。但是如果风险词是像星号这样的词的组成部分,那么我不应该算它。
这是我目前所拥有的。但是,它会返回星号和 [risk 以及 risk.我尝试使用正则表达式,但不断出现错误。另外,我是 Python 的初学者。如果有人有任何想法,请帮助我!^^ 谢谢。
from collections import defaultdict
word_dict=defaultdict(int)
for line in mylist:
words=line.lower().split() # converted all words to lower case
for word in words:
word_dict[word]+=1
for word in word_dict:
if 'risk' in word:
word, word_dict[word]
最佳答案
用正则表达式做这个其实很容易:
import re
haystack = "risk asterisk risk brisk risk"
prog = re.compile(r'\brisk\b')
result = re.findall(prog, haystack)
print len(result)
这会输出“3”。
\b 正则表达式表示任何单词定界符,包括行尾/行首。
关于python - 如何找到特定类型的单词并计算它,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12223803/