CDays-3 习题二 （字典及文件读取练习）及相关内容解析。Python 基础教程

读取某一简单索引文件cdays-3-test.txt，其每行格式为文档序号 关键词，现需根据这些信息转化为倒排索引，即统计关键词在哪些文档中，格式如下：包含该关键词的文档数 关键词 => 文档序号。其中，原索引文件作为命令行参数传入主程序，并设计一个collect函式统计 "关键字<－>序号" 结果对，最后在主程序中输出结果至屏幕。

在附录中，我们给出该文件内容。

好了，让我们分析这个问题。 先理解“倒排索引”的概念。就是把Key变成索引。

这样的数据结构我们可以用字典来实现，因为我们不知道要有多少个表，要有多少个数组。

我们找到一个关键词就新建一个Key ，Value中存放序号，如果字典中存在这个key ，那么扩增value ，由于是list，所以我们用列表方法append

我们假定文件存储在  D:\\Days-3-test.txt

而且要用函数来解决这个问题。

location='D:\\Days-3-test.txt'

def collect(file):
    result = {}   #  定义一个空字典
    for line in file.readlines( ):
        left,right = line.split( )
        if right in result :
            result[right].append(left)  #添加进列表
        else:
            result[right]=[left]        #如果字典中没有该值，那么新建一个Key
    return result

a_file=open(location,'r')
result = collect(open(location,'r'))    #读取文件
print result

现在我们得到了正确的字典，我们已经很接近最后的程序了。

我们还需要做一个事情，计数，显然是字典中的计数，让我们先找一下字典中有没有这样的方法。

对，这并不是字典中的问题，字典中的每一个Key对应一个value ，但是，它的每个值是一个list，那么，这个问题划归到list中有多少个对象的问题了。

so easy~

len( result[ key ] )

让我们整理一下输出.

for key in result.keys():
    print '%d %s   =>   %s ' % (len(result[key]),key,result[key] )

现在看来是那么回事了. 现在给出所有的代码.

location='D:\\Days-3-test.txt'

def collect(file):
    result = {}   #  定义一个空字典
    for line in file.readlines( ):
        left,right = line.split( )
        if right in result :
            result[right].append(left)  #添加进列表
        else:
            result[right]=[left]        #如果字典中没有该值，那么新建一个Key
    return result

for key in collect(open(location,'r')).keys():
    print '%d %s   =>   %s ' % (len(result[key]),key,result[key] )

现在看来文件类的问题并不是那么麻烦了。

 

附录1. Days-3-test.txt 文件内容. 

1 key1
2 key2
3 key1
7 key3
8 key2
10 key1
14 key2
19 key4
20 key1
30 key3