如何替换单词、统计单词、保存计数

Question

我首先需要替换与风险相关的词，如risk riskier riskless risk risk。冒险！risk*转化为risk，只计算risk并返回它。

当这样做的时候，有一些条件。我不应该把“risk -”和任何有risk的单词算作星号。

例如，在一个很长的文档中，可能会有很多与风险相关的单词。为了简化解释，

我喜欢冒险。我不喜欢走风险更大的路。

无风险利率是多少？

什么是星号？风险就是风险。

从上面的文档中，1)需要将风险和更高的风险替换为风险。(也可能有其他词，所以不要坚持使用风险更高的词)。2)只统计包含风险风险的风险。但不是风险和星号。

这个例子非常简单。同样，“risk”，是否有诸如riskless riskness riskier、任何“risk”内部的“risk”([{，任何以.*开头或结尾的“risk”！？等等。应在将其替换为风险后计入。任何包含风险的词都不应该被计算在内。此外，风险-不应该被计算在内。

谢谢。

市场风险风险[风险

Answer 1

这实际上是一个如何组合正则表达式的问题。我不太擅长体育。但以下内容适用于您的示例：

>>> import re
>>> a= '''I like to take risk. I don't like to take a riskier route.
How much is the risk-free interest rate?
What is asterisk? [risk] is risk. '''
>>> pattern=r'\brisk[^\-]?\w*\b'
>>> re.subn(pattern,'risk',astr)
("\nI like to take risk. I don't like to take a risk route.\nHow much is the risk-free interest rate?\nWhat is asterisk? [risk] is risk.\n" , 5)

基于以上内容，您可以将您的逻辑实现为：

counts=0
with open(myfile, 'r') as f:
    with open(my_new_file, 'a') as fo:
        for line in f:
            newline, lcount= re.subn(pattern,'risk',line)
            counts+=lcount
            fo.write(newline)