如何搜索、计数和保存单词？

Question

我正试着识别一个特定的单词，然后数一数。我需要保存每个标识符的计数。

例如,

无风险利率 星号风险 市场风险[风险]

*文件内有以上字句，我需要计算“风险”而非星号。我还需要把风险算作‘风险’。这是我到目前为止所拥有的。但是，它返回星号和[风险和风险]的计数。我不需要清点星号，只需要计算包括风险在内的风险。我试着使用正则表达式，但仍然会出现错误。另外，我是Python的初学者。如果有人有任何想法，请帮助我！

from collections import defaultdict
word_dict = defaultdict(int)

for line in mylist:
words = line.lower().split()
for word in words:
    word_dict[word]+=1

for word in word_dict:
if 'risk' in word:
    word, word_dict[word]

Answer 1

再来一次。匹配由单词边界包围的字符串'risk'

import re
re.findall(r'\brisk\b', 'risk risk') ## 2 matches
re.findall(r'\brisk\b', 'risk risk riskrisk') ## 2 matches
re.findall(r'\brisk\b', 'risk risk riskrisk [risk') ## 3 matches
re.findall(r'\brisk\b', 'risk risk riskrisk [risk asterisk') ## 3 matches

Answer 2

采用流水线的方法。我的意思是，在将单词添加到字典之前，对文本执行任何转换，以便计数是正确的。

word_dict = {} # empty dictionary

for line in mylist:
    words = line.strip().lower().split() # the strip gets rid of new lines
    for word in words:
        # the strip here will strip away any surrounding punctuation.
        # add any other symbols to the string that you need
        # the key insight here, is you get rid of extra stuff BEFORE inserting
        # into the dictionary
        word_dict[word.strip('[/@#$%')]+=1 

for word in word_dict:
    print word, word_dict[word]

# to just see the count for risk:
print word_dict['risk']

只要你数过你的“风险”这个词，它计数“星号”这个词就行了。

Answer 3

你可以试试这个片段：

import shlex

words = shlex.split("risk risk risk free interest rate")
word_count = len([word for word in words if word == "risk" or word =="[risk"])
print word_count