Mam plik tekstowy i chcę wyświetlić wszystkie słowa zawierające zarówno znaki Z, jak i X.Jak wyświetlić wszystkie słowa zawierające te znaki?
Jak mogę to zrobić?
Mam plik tekstowy i chcę wyświetlić wszystkie słowa zawierające zarówno znaki Z, jak i X.Jak wyświetlić wszystkie słowa zawierające te znaki?
Jak mogę to zrobić?
Jeśli nie chcesz mieć 2 problemy:
for word in file('myfile.txt').read().split():
if 'x' in word and 'z' in word:
print word
Dzięki Bogu dostałeś odpowiedź, która * nie * używa wyrażeń regularnych. – gotgenes
+1: Bardzo to lubię. Jedyny problem, jaki widzę, to to, że dostaniesz również interpunkcję otaczającą twoje słowa, a nie tylko same słowa. –
To prawda, używam definicji Pythona "słów", co może być tutaj nieuzasadnione. – geoffspear
Brzmi jak zadanie dla Regular Expressions. Przeczytaj to i wypróbuj. Jeśli napotkasz problemy, zaktualizuj swoje pytanie, a my pomożemy ci w szczegółach.
Zakładając, że cały plik jako jeden duży ciąg w pamięci i że definicja słowa jest „ciągłą sekwencję liter”, a następnie można zrobić coś takiego:
import re
for word in re.findall(r"\w+", mystring):
if 'x' in word and 'z' in word:
print word
Podoba mi się ta odpowiedź. To najczystsze rozwiązanie. Jeśli wydajność staje się problemem, pomniejsz go o moje rozwiązanie i wybierz zwycięzcę. –
>>> import re
>>> pattern = re.compile('\b(\w*z\w*x\w*|\w*x\w*z\w*)\b')
>>> document = '''Here is some data that needs
... to be searched for words that contain both z
... and x. Blah xz zx blah jal akle asdke asdxskz
... zlkxlk blah bleh foo bar'''
>>> print pattern.findall(document)
['xz', 'zx', 'asdxskz', 'zlkxlk']
Potwierdzam, że to działa i jest lepsze niż moja odpowiedź. Usuwam moje na korzyść tego. – Ishpeck
>>> import re
>>> print re.findall('(\w*x\w*z\w*|\w*z\w*x\w*)', 'axbzc azb axb abc axzb')
['axbzc', 'axzb']
nie wiem skuteczność tego generatora, ale dla mnie t jego jest droga:
from __future__ import print_function
import string
bookfile = '11.txt' # Alice in Wonderland
hunted = 'az' # in your case xz but there is none of those in this book
with open(bookfile) as thebook:
# read text of book and split from white space
print('\n'.join(set(word.lower().strip(string.punctuation)
for word in thebook.read().split()
if all(c in word.lower() for c in hunted))))
""" Output:
zealand
crazy
grazed
lizard's
organized
lazy
zigzag
lizard
lazily
gazing
""
"
Chcę tylko podkreślić, jak brutalne niektóre z tych wyrażeń regularnych może być, w stosunku do prostego string methods-based solution provided by Wooble.
Zrobimy trochę czasu, dobrze?
#!/usr/bin/env python
# -*- coding: UTF-8 -*-
import timeit
import re
import sys
WORD_RE_COMPILED = re.compile(r'\w+')
Z_RE_COMPILED = re.compile(r'(\b\w*z\w*\b)')
XZ_RE_COMPILED = re.compile(r'\b(\w*z\w*x\w*|\w*x\w*z\w*)\b')
##########################
# Tim Pietzcker's solution
# https://stackoverflow.com/questions/3962846/how-to-display-all-words-that-contain-these-characters/3962876#3962876
#
def xz_re_word_find(text):
for word in re.findall(r'\w+', text):
if 'x' in word and 'z' in word:
print word
# Tim's solution, compiled
def xz_re_word_compiled_find(text):
pattern = re.compile(r'\w+')
for word in pattern.findall(text):
if 'x' in word and 'z' in word:
print word
# Tim's solution, with the RE pre-compiled so compilation doesn't get
# included in the search time
def xz_re_word_precompiled_find(text):
for word in WORD_RE_COMPILED.findall(text):
if 'x' in word and 'z' in word:
print word
################################
# Steven Rumbalski's solution #1
# (provided in the comment)
# https://stackoverflow.com/questions/3962846/how-to-display-all-words-that-contain-these-characters/3963285#3963285
def xz_re_z_find(text):
for word in re.findall(r'(\b\w*z\w*\b)', text):
if 'x' in word:
print word
# Steven's solution #1 compiled
def xz_re_z_compiled_find(text):
pattern = re.compile(r'(\b\w*z\w*\b)')
for word in pattern.findall(text):
if 'x' in word:
print word
# Steven's solution #1 with the RE pre-compiled
def xz_re_z_precompiled_find(text):
for word in Z_RE_COMPILED.findall(text):
if 'x' in word:
print word
################################
# Steven Rumbalski's solution #2
# https://stackoverflow.com/questions/3962846/how-to-display-all-words-that-contain-these-characters/3962934#3962934
def xz_re_xz_find(text):
for word in re.findall(r'\b(\w*z\w*x\w*|\w*x\w*z\w*)\b', text):
print word
# Steven's solution #2 compiled
def xz_re_xz_compiled_find(text):
pattern = re.compile(r'\b(\w*z\w*x\w*|\w*x\w*z\w*)\b')
for word in pattern.findall(text):
print word
# Steven's solution #2 pre-compiled
def xz_re_xz_precompiled_find(text):
for word in XZ_RE_COMPILED.findall(text):
print word
#################################
# Wooble's simple string solution
def xz_str_find(text):
for word in text.split():
if 'x' in word and 'z' in word:
print word
functions = [
'xz_re_word_find',
'xz_re_word_compiled_find',
'xz_re_word_precompiled_find',
'xz_re_z_find',
'xz_re_z_compiled_find',
'xz_re_z_precompiled_find',
'xz_re_xz_find',
'xz_re_xz_compiled_find',
'xz_re_xz_precompiled_find',
'xz_str_find'
]
import_stuff = functions + [
'text',
'WORD_RE_COMPILED',
'Z_RE_COMPILED',
'XZ_RE_COMPILED'
]
if __name__ == '__main__':
text = open(sys.argv[1]).read()
timings = {}
setup = 'from __main__ import ' + ','.join(import_stuff)
for func in functions:
statement = func + '(text)'
timer = timeit.Timer(statement, setup)
min_time = min(timer.repeat(3, 10))
timings[func] = min_time
for func in functions:
print func + ":", timings[func], "seconds"
Uruchomienie tego skryptu na plaintext copy of Moby Dick uzyskanych od Project Gutenberg, na Python 2.6, mam następujące czasy:
xz_re_word_find: 1.21829485893 seconds
xz_re_word_compiled_find: 1.42398715019 seconds
xz_re_word_precompiled_find: 1.40110301971 seconds
xz_re_z_find: 0.680151939392 seconds
xz_re_z_compiled_find: 0.673038005829 seconds
xz_re_z_precompiled_find: 0.673489093781 seconds
xz_re_xz_find: 1.11700701714 seconds
xz_re_xz_compiled_find: 1.12773990631 seconds
xz_re_xz_precompiled_find: 1.13285303116 seconds
xz_str_find: 0.590088844299 seconds
w Pythonie 3.1 (po użyciu 2to3 naprawić sprawozdania z tuszem), otrzymuję następujące czasy:
xz_re_word_find: 2.36110496521 seconds
xz_re_word_compiled_find: 2.34727501869 seconds
xz_re_word_precompiled_find: 2.32607793808 seconds
xz_re_z_find: 1.32204890251 seconds
xz_re_z_compiled_find: 1.34104800224 seconds
xz_re_z_precompiled_find: 1.34424304962 seconds
xz_re_xz_find: 2.33851099014 seconds
xz_re_xz_compiled_find: 2.29653286934 seconds
xz_re_xz_precompiled_find: 2.32416701317 seconds
xz_str_find: 0.656699895859 seconds
Widzimy, że funkcje oparte na regularnych wyrażeniach zwykle zajmują dwa razy więcej czasu niż strin g oparta na metodach w Pythonie 2.6 i ponad 3 razy dłuższa w Pythonie 3. Różnica czasu jest trywialna dla jednorazowego parsowania (nikt nie będzie tęsknił za tymi milisekundami), ale w przypadkach, w których funkcja musi być wywołana wiele razy, podejście oparte na metodach łańcuchowych jest prostsze i szybsze.
Ja też wolę metody string. Ale tutaj jest dzioba.Zmieniłem definicję zx_re_find (text) i jest to 4x szybsze niż metoda czystego łańcucha: def zx_re_find (text): pat = re.compile ('(\ b \ w * z \ w * \ b)') dla słowo w pat.findall (text): jeśli "x" w słowie: wydrukuj słowo –
@Steven Zaktualizowałem swoją odpowiedź, aby uwzględnić zarówno sugerowane rozwiązanie w komentarzu, jak i rozwiązanie podane przez Ciebie jako odpowiedź, i nie uzyskuje wydajności 4X według wyrażenia regularnego w porównaniu do metody łańcuchowej. Dla mnie rozwiązania RE wciąż pozostają w tyle. Jakiego tekstu użyłeś do przetestowania swojego występu? – gotgenes
@gotgenes Użyłem tej samej kopii tekstu Moby Dicka. Użyłem Pythona 2.7 na Windows XP na (hmm .. zapomniałem chip w moim laptopie pracy). Pamiętam pierwsze 3 cyfry czasu 0.311 dla ciągu i 0.088 dla regex (nie naprawdę 4x, ale blisko). Uważam, że gdyby wymagania były bardziej skomplikowane, regex zyskałby na prostocie i wydajności. –
Gdzie jest dokładnie problem? Czego spróbowałeś do tej pory? –
Nie wiem, jak przeanalizować plik tekstowy :) – xRobot
Wyrażenia regularne są królem, jeśli chodzi o przetwarzanie tekstu. Spójrz na rozwiązanie Ishpecka. – Squirrelsama