Подсчет пунктуации в тексте с использованием Python и regex

Question

Я пытаюсь подсчитать количество символов пунктуации, появляющихся в романе. Например, я хочу найти вхождения вопросительных знаков и периодов вместе со всеми другими не алфавитно-цифровыми символами. Затем я хочу вставить их в файл csv. Я не уверен, как делать регулярное выражение, потому что у меня нет такого большого опыта работы с python. Кто-нибудь может мне помочь?

texts=string.punctuation 
counts=dict(Counter(w.lower() for w in re.findall(r"\w+", open(cwd+"/"+book).read()))) 
writer = csv.writer(open("author.csv", 'a')) 
writer.writerow([counts.get(fieldname,0) for fieldname in texts]) 

Answer 1

In [1]: from string import punctuation 

In [2]: from collections import Counter 

In [3]: counts = Counter(open('novel.txt').read()) 

In [4]: punctuation_counts = {k:v for k, v in counts.iteritems() if k in punctuation} 

Answer 2

Код, который у вас есть, очень близок к тому, что вам нужно, если вы считаете слова. Если вы пытаетесь считать слова, единственное изменение вы должны сделать, вероятно, будет изменить последнюю строку следующим образом:

writer.writerows(counts.items()) 

К сожалению, вы не пытаетесь считать слова здесь. Если вы ищете количество одиночных символов, я бы избегал использования регулярных выражений и перешел прямо к count. Ваш код может выглядеть следующим образом:

book_text = open(cwd+"/"+book).read() 
counts = {} 
for character in texts: 
    counts[character] = book_text.count(character) 
writer.writerows(counts.items()) 

Как вы могли бы сказать, это делает словарь с символами в качестве ключей и сколько раз этот символ появляется в тексте в качестве значения. Затем мы пишем его так, как мы бы сделали для подсчета слов.

Answer 3

Использование проклятья:

import curses.ascii 
str1 = "real, and? or, and? what." 
t = (c for c in str1 if curses.ascii.ispunct(c)) 
d = dict() 
for p in t: 
    d[p] = 1 if not p in d else d[p] + 1 for p in t 

Answer 4

from string import punctuation 
from collections import Counter 

with open('novel.txt') as f: # closes the file for you which is important! 
    c = Counter(c for line in f for c in line if c in punctuation) 

Это также позволяет избежать загрузки всего романа в памяти сразу.

Btw это то, что string.punctuation выглядит следующим образом:

>>> punctuation 
'!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~' 

Вы можете добавить или умаляет символы здесь в зависимости от ваших потребностей.

Также Counter определяет __missing__ с просто return 0. Таким образом, вместо down-initializing его в словарь, а затем вызывая .get(x, 0). Просто оставьте это как счетчик и получите доступ к нему, как c[x], если его не существует, его счет равен 0. Я не уверен, почему у каждого есть внезапное желание понизить все их Counter s до dict s только из-за страшного поиска Counter([...]) вы видите, когда вы печатаете один, когда на самом деле Counter s также являются словарями и заслуживают уважения.

writer.writerow([counts.get(c, 0) for c in punctuation]) 

Если оставить свой счетчик, вы можете просто сделать это:

writer.writerow([counts[c] for c in punctuation]) 

, и это было гораздо проще.