Сравнение слов из разных файлов

Question

Я новичок в Python и застрял на проблеме.Я написал код для определения общего количества слов, а также уникального количества слов в нескольких файлах (в данном случае файлы .txt являются главами книги: образец текста из файла1 ". В течение какого периода времени обсуждались причины изменчивостикакими бы они ни были, обычно действуют; будь то на раннем или позднем периоде развития зародыша или в момент зачатия. "; образец текста из файла2" Наконец, сорта имеют те же общие признаки, что и виды, дляих нельзя отличить от видов, за исключением, во-первых, открытия промежуточных форм связывания »).

Я не могу найти в Интернете примеров того, как сравнивать слова между файлами.Мне нужно определить количество слов, которые делятся между файлами и количество слов, которые являются уникальными для каждого файла (по отношению к другим файлам).Мой окончательный вывод должен включать 7 чисел: общее количество слов для файла1 и файла2, уникальное количество слов для файла1 и файла2, количество слов, общих для файла1 и файла2, количество слов в файле1, но не в файле2, и, наконец, количество слов в файле2но не в файле1.Я знаю, что для этого нужно использовать set (), но я не понимаю, как.

import glob
from collections import Counter

path = "c-darwin-chapter-?.txt"

wordcount = {}

for filename in glob.glob(path):
  with open("c-darwin-chapter-1.txt", 'r') as f1, open("c-darwin-chapter-2.txt", 'r') as f2:
      f1_word_list = Counter(f1.read().replace(',','').replace('.','').replace("'",'').replace('!','').replace('&','').replace(';','').replace('(','').replace(')','').replace(':','').replace('?','').lower().split())

      print("Total word count per file: ", sum(f1_word_list.values()))
      print("Total unique word count: ", len(f1_word_list))

      f2_word_list = Counter(f2.read().replace(',','').replace('.','').replace("'",'').replace('!','').replace('&','').replace(';','').replace('(','').replace(')','').replace(':','').replace('?','').lower().split())

      print("Total word count per file: ", sum(f2_word_list.values()))
      print("Total unique word count: ", len(f2_word_list))

#if/main commented out but final code must use if/main and loop
#if __name__ == '__main__':
#   main()

Желаемый вывод:

Total word count
   Chapter1 = 11615
   Chapter2 = 4837

Unique word count
   Chapter1 = 1991
   Chapter2 = 1025

Words in Chapter1 and Chapter2: 623
Words in Chapter1 not in Chapter2: 1368
Words in Chapter2 not in Chapter1: 402

Answer 1

Вы читаете в обоих файлах и конвертируете прочитанный текст в списки / наборы.Используя множества, вы можете использовать операторы множеств для вычисления пересечений / различий между ними:

s.intersection(t)    s & t    new set with elements common to s and t  
s.difference(t)      s - t    new set with elements in s but not in t

Пояснительную таблицу операций над множествами можно найти здесь: Доку 2.x / действительно для3.7 также

Демонстрация:

file1 = "This is some text in some file that you can preprocess as you " +\
        "like. This is some text in some file that you can preprocess as you like."

file2 = "this is other text about animals and flowers and flowers and " +\
        "animals but not animal-flowers that has to be processed as well"

# split into list - no .lower().replace(...) - you solved that already
list_f1 = file1.split() 
list_f2 = file2.split()

# create sets from list (case sensitive)
set_f1 = set( list_f1 )
set_f2 = set( list_f2 )

print(f"Words: {len(list_f1)} vs {len(list_f2)} Unique {len(set_f1)} vs {len(set_f2)}.")
# difference
print(f"Only in 1: {set_f1-set_f2} [{len(set_f1-set_f2)}]")
# intersection
print(f"In both {set_f1&set_f2} [{len(set_f1&set_f2)}]")
# difference the other way round
print(f"Only in 2:{set_f2-set_f1} [{len(set_f2-set_f1)}]")

Вывод:

Words: 28 vs 22 Unique 12 vs 18.
Only in 1: {'like.', 'in', 'you', 'can', 'file', 'This', 'preprocess', 'some'} [8]
In both {'is', 'that', 'text', 'as'} [4]
Only in 2:{'animals', 'not', 'but', 'animal-flowers', 'to', 'processed',
           'has', 'be', 'and', 'well', 'this', 'about', 'other', 'flowers'} [14]

---

Вы уже обрабатываете чтение файла и "объединение"«в нижнем регистре - я оставил это здесь.Вывод использует синтаксис строковой интерполяции для Python 3.6: см. PEP 498