Как получить конкретное количество слов файла из хранилища AWS S3 с помощью лямбды?

Question

В моем сценарии я пытаюсь получить определенный сохраненный текст AWS S3 file word count и его language detection с использованием AWS lambda кода Python. Здесь, ниже код, который я пытаюсь. Он предоставляет счетчик строк, но я не знаю, как узнать количество слов и определение языка. Пожалуйста, предоставьте некоторую идею для определения количества слов в файле и определения языка.

Я пытался подсчитать количество строк

import boto3

def lambda_handler(event, context):

    # create the s3 resource
    s3 = boto3.resource('s3')

    # get the file object
    obj = s3.Object('bucket name', 'sample.txt')

    # read the file contents in memory
    file_contents = obj.get()["Body"].read()

    # print the occurrences of the new line character to get the number of lines
    # print file_contents.count('\n')
    # TODO implement
    return {
        'Line Count': file_contents.count('\n')
    }

Текущий ответ: { «Количество строк»: 48, }

Ожидаемый ответ: { «Количество строк»: 48, «Количество слов»::?, // Здесь я хочу показать количество слов «Язык»:? // Здесь название языка }

Answer 1

Чтобы получить количество слов, вы можете попробовать любую из перечисленных здесь вещей: Как посчитать количество слов в предложении, игнорируя цифры, знаки препинания и пробелы?

Чтобы определить язык, вы можете попробовать одну из следующих вещей: NLTK и определение языка

К сожалению, ваш вопрос довольно широкий. Кроме того, задача определения языка текста довольно сложна для понимания. Получить подсчет слов легко, но многое зависит от того, что вы собираетесь определить как слово.