Python:如何更新嵌套字典中键值对的值？

Question

我正在尝试建立一个倒排的文档索引，因此我需要从集合中的所有唯一单词中知道它们出现在哪个文档中以及出现的频率。

我已经在第二个命令中使用了this answer创建嵌套字典。提供的解决方案运行良好，但有一个问题。

首先，我打开文件并创建一个唯一单词列表。我想将这些独特的单词与原始文件进行比较。当存在匹配时，应更新频率计数器，并将其值存储在二维数组中。

输出最终应如下所示：

word1, {doc1 : freq}, {doc2 : freq} <br>
word2, {doc1 : freq}, {doc2 : freq}, {doc3:freq}
etc....

问题是我不能更新字典变量。当我尝试这样做时，我得到了错误：

  File "scriptV3.py", line 45, in main
    freq = dictionary[keyword][filename] + 1
TypeError: unsupported operand type(s) for +: 'AutoVivification' and 'int'

我认为我需要以某种方式将AutoVivification实例强制转换为int...

怎么走？

提前感谢

我的代码：

#!/usr/bin/env python 
# encoding: utf-8

import sys
import os
import re
import glob
import string
import sets

class AutoVivification(dict):
    """Implementation of perl's autovivification feature."""
    def __getitem__(self, item):
        try:
            return dict.__getitem__(self, item)
        except KeyError:
            value = self[item] = type(self)()
            return value

def main():
    pad = 'temp/'
    dictionary  = AutoVivification()
    docID = 0
    for files in glob.glob( os.path.join(pad, '*.html') ):  #for all files in specified folder:
        docID = docID + 1
        filename = "doc_"+str(docID)
        text = open(files, 'r').read()                      #returns content of file as string
        text = extract(text, '<pre>', '</pre>')             #call extract function to extract text from within <pre> tags
        text = text.lower()                                 #all words to lowercase
        exclude = set(string.punctuation)                   #sets list of all punctuation characters
        text = ''.join(char for char in text if char not in exclude) # use created exclude list to remove characters from files
        text = text.split()                                 #creates list (array) from string
        uniques = set(text)                                 #make list unique (is dat handig? we moeten nog tellen)

        for keyword in uniques:                             #For every unique word do   
            for word in text:                               #for every word in doc:
                if (word == keyword and dictionary[keyword][filename] is not None): #if there is an occurence of keyword increment counter 
                    freq = dictionary[keyword][filename]    #here we fail, cannot cast object instance to integer.
                    freq = dictionary[keyword][filename] + 1
                    print(keyword,dictionary[keyword])
                else:
                    dictionary[word][filename] = 1

#extract text between substring 1 and 2 
def extract(text, sub1, sub2): 
    return text.split(sub1, 1)[-1].split(sub2, 1)[0]    

if __name__ == '__main__':
    main()

Answer 1

可以使用Python的collections.defaultdict，而不是创建一个AutoVivification类，然后将字典实例化为该类型的对象。

import collections
dictionary = collections.defaultdict(lambda: collections.defaultdict(int))

这将创建一个字典字典，其默认值为0。当您希望递增条目时，请使用：

dictionary[keyword][filename] += 1

Answer 2

我同意你应该避免额外的类，尤其是__getitem__。(小的概念性错误会使__getitem__或__getattr__的调试变得非常痛苦。)

对于您正在做的事情，Python dict似乎足够强大。

那么简单的dict.setdefault呢？

    for keyword in uniques:                             #For every unique word do   
        for word in text:                               #for every word in doc:
            if (word == keyword):
                dictionary.setdefault(keyword, {})
                dictionary[keyword].setdefault(filename, 0)
                dictionary[keyword][filename] += 1

当然，在这种情况下，dictionary只是一个dict，而不是来自collections或您自己的自定义类。

话说回来，这不就是：

        for word in text:                               #for every word in doc:
            dictionary.setdefault(word, {})
            dictionary[word].setdefault(filename, 0)
            dictionary[word][filename] += 1

没有理由隔离唯一实例，因为dict无论如何都会强制使用唯一键。

Answer 3

if (word == keyword and dictionary[keyword][filename] is not None): 

我想这不是一个正确的用法，而是试试这个：

if (word == keyword and filename in dictionary[keyword]): 

因为，检查不存在的键的值会引发KeyError。：因此您必须检查字典中是否存在键...