如何使用 Python 查找文本文件中重复次数最多的单词？

在本文中，我们将向您展示如何使用 Python 查找给定文本文件中重复次数最多的单词。

假设我们有一个名为 ExampleTextFile.txt 的文本文件，其中包含一些随机文本。我们将返回给定文本文件中重复次数最多的单词。

ExampleTextFile.txt

Good Morning TutorialsPoint
This is TutorialsPoint sample File
Consisting of Specific
source codes in Python,Seaborn,Scala
Summary and Explanation
Welcome TutorialsPoint
Learn with a joy

算法（步骤）

以下是执行所需任务的算法/步骤：

  • 导入 Counter 函数（Counter 类是由 Python3 的 collections 模块提供的对象数据集的一种形式。Collections 模块向用户公开专门的容器数据类型，作为 Python 通用内置函数（如字典、列表和元组）的替代方案。Counter 是一个子类，用于计算可哈希对象。调用时，它会隐式创建可迭代哈希表）来自 collections 模块

  • 创建一个变量来存储文本文件的路径。

  • 创建一个列表来存储所有单词。

  • 使用 open() 函数（打开文件并返回文件对象作为结果）以只读模式打开文本文件，并将文件名和模式作为参数传递给它（此处“r”表示只读模式）。

with open(inputFile, 'r') as filedata:

  • 使用 for 循环遍历文件中的每一行。

  • 使用 split() 函数（将字符串拆分为列表。我们可以定义分隔符；默认分隔符是任何空格）将文本文件内容拆分为单词列表并将其存储在一个变量中。

  • 使用 for 循环遍历单词列表。

  • 使用 append() 函数（将元素添加到列表的末尾），将每个单词追加到列表中。

  • 使用 Counter() 函数（它以键值对的形式给出单词的频率），计算所有单词的频率（单词出现的次数）。

  • 创建一个变量来存储最大频率。

  • 使用 for 循环循环遍历上述单词频率字典。

  • 使用 if 条件语句和 in 关键字，检查单词的频率是否大于最大频率。

The in keyword works in two ways:
The in keyword is used to determine whether a value exists in a sequence (list, range, string etc).
It is also used to iterate through a sequence in a for loop

  • 如果单词的频率大于最大频率。

  • 创建一个变量来存储文本文件中重复次数最多的单词。

  • 打印文本文件中重复次数最多的单词。

  • 使用 close() 函数关闭输入文件（用于关闭已打开的文件）。

示例

以下程序遍历文本文件的行，并使用 collections 模块中的 counter 函数从文本文件打印键值对的频率 -

# importing Counter function
from collections import Counter

# input text file
inputFile = "ExampleTextFile.txt"

# Storing all the words
newWordsList = []

# Opening the given file in read-only mode
with open(inputFile, 'r') as filedata:

   # Traverse in each line of the file
   for textline in filedata:

      # Splitting the text file content into list of words
      wordsList = textline.split()

      # Traverse in the above list of words
      for word in wordsList:

         # Appending each word to the new list
         newWordsList.append(word)

# Using the Counter() function, calculate the frequency of all the words
wordsFrequency = Counter(newWordsList)

# Taking a variable to store the maximum frequency value
maxFrequency = 0

# Loop in the above words frequency dictionary
for textword in wordsFrequency:

   # Checking whether the frequency of the word is greater than the maximum frequency
   if(wordsFrequency[textword] > maxFrequency):
 
      # If it is true then set maximum frequency to the corresponding frequency value of the word
      maxFrequency = wordsFrequency[textword]

      # As this is the word with maximum frequency store this word in a variable
      mostRepeatedWord = textword

# Printing the most repeated word in a text file
print("{",mostRepeatedWord,"} is the most repeated word in a text file")

# Closing the input file
filedata.close()

输出

执行上述程序后，将生成以下输出：

{ TutorialsPoint } is the most repeated word in a text file

在此程序中，我们从文本文件中读取一些随机文本。我们读取整个文件，将其分解成单词，并将文本文件的所有单词添加到列表中。我们使用 Counter() 方法计算文本文件中所有单词的频率，它返回一个字典，其中键为单词，值为单词的频率。然后我们遍历字典中的单词，检查频率是否大于最大频率。如果是，则这是最常出现的单词，因此我们将结果保存在一个变量中，并使用当前单词的频率更新最大频率。最后，我们显示了最常出现的单词。

结论

本文向我们展示了如何读取文件、逐行遍历文件以及检索该行中的所有单词。一旦我们得到它们，我们就可以反转单词、更改大小写、检查元音、检索单词长度等。我们还学习了如何使用 Counter() 方法确定单词列表的频率。此函数可用于确定字符串、列表、元组等的频率。

更新于： 2022年8月18日

9K+ 浏览量

开启你的 职业生涯

通过完成课程获得认证

开始学习
广告