字典用 Python 中的第一个字母索引文件

你使这比它需要的更复杂，这就是挫折的来源。实际的解决方案比您想象的要简单得多。字典跟踪自己的键。你不需要初始化任何东西。如果某个单词出现在字典中没有的字母上，您可以立即添加一个新键。否则，您将使用已经存在的列表。另一点是该string模块为您提供了在和上拆分的工具。您付出的代价是必须过滤掉一些空字符串，但这是微不足道的。whitespace punctuation我建议将中间结果存储在sets 而不是列表中以确保唯一性。作为最后一步，您始终可以转换为列表。并在您的实用程序函数中使用返回值而不是打印输出：def text_dictionary(file_name):    map = {}    with open(file_name,'r') as file:        for line in file:            for word in line.split(string.whitespace + string.punctuation):                if not word:                    continue                word = word.lower()                if word[0] not in map:                    map[word[0]] = set()                map[word[0]].add(word)    for key in map:        map[key] = list(map[key])    return map请注意，除了最基本的访问之外，我根本没有使用字典的任何特殊方法或属性。附录一：字典转换最后一个循环用就地列表替换集合：它不会创建新的字典对象。你可以用一个非常相似的循环来做同样的事情：for key, value in map.items():    map[key] = list(item)通常，在迭代字典时不应该修改它。但是，如果您非常小心地只接触值而不是键，则不会有任何问题，因为哈希表的底层结构不会改变。创建字典很便宜，因此使用字典理解来创建新映射可能会更快：map = {key: list(value) for key, value in map.items()}附录二：分词上面显示的分词算法非常简单。它假定您的文件将只包含表现良好的可打印 ASCII 字符。虽然这可能适用于您的作业，但编写具有已知潜在问题的代码让我感到厌烦，因为以后会有很多未知问题要占用您的时间。为此，我将介绍几种使用正则表达式搜索单词的替代方法。第一种选择是拆分任何不是单词字符的内容。一个单词字符（在一个常规字符串中）被\w模式匹配，它匹配 Unicode 单词字符；这包括可以作为任何语言的单词一部分的大多数字符，以及数字和下划线。如果使用ASCII标志，则仅[a-zA-Z0-9_]匹配。\wis的倒数\W，因此您可以将其与一起使用re.split：for word in re.split(r'\W+', line):第二种选择是第一种的补充。不是在模式上拆分，而是匹配模式并用于re.finditer为您列出单词：for word in re.finditer(r'\w+', line):我是这两种情况，值得注意的是，最好使用re.compile而不是每次重新编译模式来预编译您选择的模式。设置模式的最有效方法是全局设置，或者在函数的默认参数中。这样它只会被评估一次。第二个最佳选择是在with块之前执行，因此您至少每个文件编译一次，而不是每行一次。全局或函数内定义，看起来像pattern = re.compile(r'\w')  # or r'\W', as you prefer作为默认参数：def text_dictionary(file_name, pattern=re.compile(r'\w')):如果您决定修改包含/拆分的字符集，后一种方法可为您提供灵活性。在任何一种情况下，循环都将是for word in pattern.split(line):  # or pattern.finditer(line)

字典用 Python 中的第一个字母索引文件

3回答