Поздравляю с началом вашего приключения с Python! Не все в этом посте может иметь смысл прямо сейчас, но добавьте его в закладки и возвращайтесь к нему, если он окажется полезным позже. В конце концов вам следует попробовать перейти от написания сценариев к разработке программного обеспечения, и вот несколько идей для вас!
С большой силой приходит большая ответственность, и как разработчику Python вам нужно быть более дисциплинированным, чем другие языки, которые не держат вас за руку и не навязывают «хороший» дизайн.
Я считаю, что лучше начать с нисходящего дизайна.
def main():
text = get_text()
p_text = process_text(text)
catalogue = process_catalogue(p_text)
БУМ! Вы только что написали всю программу - теперь вам просто нужно вернуться и заполнить пробелы! Когда вы делаете это так, это кажется менее устрашающим. Лично я не считаю себя достаточно умным, чтобы решать очень большие проблемы, но я профессионал в решении небольших проблем. Так что давайте займемся одним делом за раз. Я начну с "process_text".
def process_text(text):
b_text = bundle_dialogue_items(text)
f_text = filter_dialogue_items(b_text)
c_text = clean_dialogue_items(f_text)
Я еще не совсем уверен, что эти вещи означают, но я знаю, что текстовые проблемы, как правило, следуют шаблону, называемому «карта / сокращение», что означает, что вы выполняете и оперируете чем-то, а затем вы очищаете это и объединяете, поэтому я добавил некоторые функции-заполнители. Я могу вернуться и добавить еще, если необходимо.
Теперь напишем "каталог_процесса". Я мог бы написать «process_dict», но мне это показалось неубедительным.
def process_catalogue(p_text):
speakers = make_catalogue(c_text)
s_speakers = sum_words_per_paragraph_items(speakers)
t_speakers = total_word_count(s_speakers)
Прохладный. Не так уж плохо. Вы можете подходить к этому иначе, чем я, но я подумал, что имеет смысл объединить элементы, подсчитать слова в абзаце, а затем подсчитать все слова.
Итак, на этом этапе я бы, вероятно, сделал один или два небольших модуля lib (библиотек), чтобы заполнить оставшиеся функции. Чтобы вы могли запускать это, не беспокоясь об импорте, я собираюсь поместить все это в один файл .py, но со временем вы узнаете, как их разбить, чтобы он выглядел лучше. Итак, давайте сделаем это.
# ------------------ #
# == process_text == #
# ------------------ #
def bundle_dialogue_items(lines):
cur_speaker = None
paragraphs = Counter()
for line in lines:
if re.match(p, line):
cur_speaker, dialogue = line.split(':')
paragraphs[cur_speaker] += 1
else:
dialogue = line
res = cur_speaker, dialogue, paragraphs[cur_speaker]
yield res
def filter_dialogue_items(lines):
for name, dialogue, paragraph in lines:
if dialogue:
res = name, dialogue, paragraph
yield res
def clean_dialogue_items(flines):
for name, dialogue, paragraph in flines:
s_dialogue = dialogue.strip().split()
c_dialouge = [clean_word(w) for w in s_dialogue]
res = name, c_dialouge, paragraph
yield res
аааи небольшая вспомогательная функция
# ------------------- #
# == aux functions == #
# ------------------- #
to_clean = string.whitespace + string.punctuation
def clean_word(word):
res = ''.join(c for c in word if c not in to_clean)
return res
Так что это может быть неочевидно, но эта библиотека спроектирована как конвейер обработки данных. Существует несколько способов обработки данных, один - конвейерная обработка, а другой - пакетная обработка. Давайте посмотрим на пакетную обработку.
# ----------------------- #
# == process_catalogue == #
# ----------------------- #
speaker_stats = 'stats'
def make_catalogue(names_with_dialogue):
speakers = {}
for name, dialogue, paragraph in names_with_dialogue:
speaker = speakers.setdefault(name, {})
stats = speaker.setdefault(speaker_stats, {})
stats.setdefault(paragraph, []).extend(dialogue)
return speakers
word_count = 'word_count'
def sum_words_per_paragraph_items(speakers):
for speaker in speakers:
word_stats = speakers[speaker][speaker_stats]
speakers[speaker][word_count] = Counter()
for paragraph in word_stats:
speakers[speaker][word_count][paragraph] += len(word_stats[paragraph])
return speakers
total = 'total'
def total_word_count(speakers):
for speaker in speakers:
wc = speakers[speaker][word_count]
speakers[speaker][total] = 0
for c in wc:
speakers[speaker][total] += wc[c]
return speakers
Все эти вложенные словари становятся немного сложнее. В реальном производственном коде я бы заменил их некоторыми более читаемыми классами (вместе с добавлением тестов и строк документации !!), но я не хочу, чтобы это запутало больше, чем оно есть! Хорошо, для вашего удобства ниже собрано все вместе.
import pprint
import re
import string
from collections import Counter
p = re.compile(r'(\w+?):')
def get_text_line_items(text):
for line in text.split('\n'):
yield line
def bundle_dialogue_items(lines):
cur_speaker = None
paragraphs = Counter()
for line in lines:
if re.match(p, line):
cur_speaker, dialogue = line.split(':')
paragraphs[cur_speaker] += 1
else:
dialogue = line
res = cur_speaker, dialogue, paragraphs[cur_speaker]
yield res
def filter_dialogue_items(lines):
for name, dialogue, paragraph in lines:
if dialogue:
res = name, dialogue, paragraph
yield res
to_clean = string.whitespace + string.punctuation
def clean_word(word):
res = ''.join(c for c in word if c not in to_clean)
return res
def clean_dialogue_items(flines):
for name, dialogue, paragraph in flines:
s_dialogue = dialogue.strip().split()
c_dialouge = [clean_word(w) for w in s_dialogue]
res = name, c_dialouge, paragraph
yield res
speaker_stats = 'stats'
def make_catalogue(names_with_dialogue):
speakers = {}
for name, dialogue, paragraph in names_with_dialogue:
speaker = speakers.setdefault(name, {})
stats = speaker.setdefault(speaker_stats, {})
stats.setdefault(paragraph, []).extend(dialogue)
return speakers
def clean_dict(speakers):
for speaker in speakers:
stats = speakers[speaker][speaker_stats]
for paragraph in stats:
stats[paragraph] = [''.join(c for c in word if c not in to_clean)
for word in stats[paragraph]]
return speakers
word_count = 'word_count'
def sum_words_per_paragraph_items(speakers):
for speaker in speakers:
word_stats = speakers[speaker][speaker_stats]
speakers[speaker][word_count] = Counter()
for paragraph in word_stats:
speakers[speaker][word_count][paragraph] += len(word_stats[paragraph])
return speakers
total = 'total'
def total_word_count(speakers):
for speaker in speakers:
wc = speakers[speaker][word_count]
speakers[speaker][total] = 0
for c in wc:
speakers[speaker][total] += wc[c]
return speakers
def get_text():
text = '''BOB: blah blah blah blah
blah hello goodbye etc.
JERRY:.............................................
...............
BOB:blah blah blah
blah blah blah
blah.
BOB: boopy doopy doop
P1: Bla bla bla.
P2: Bla bla bla bla.
P1: Bla bla.
P3: Bla.'''
text = get_text_line_items(text)
return text
def process_catalogue(c_text):
speakers = make_catalogue(c_text)
s_speakers = sum_words_per_paragraph_items(speakers)
t_speakers = total_word_count(s_speakers)
return t_speakers
def process_text(text):
b_text = bundle_dialogue_items(text)
f_text = filter_dialogue_items(b_text)
c_text = clean_dialogue_items(f_text)
return c_text
def main():
text = get_text()
c_text = process_text(text)
t_speakers = process_catalogue(c_text)
# take a look at your hard work!
pprint.pprint(t_speakers)
if __name__ == '__main__':
main()
Таким образом, этот сценарий почти наверняка является излишним для этого приложения, но суть в том, чтобы увидеть, как (что сомнительно) может выглядеть читаемый, поддерживаемый модульный код Python.
Почти наверняка результат выглядит примерно так:
{'BOB': {'stats': {1: ['blah',
'blah',
'blah',
'blah',
'blah',
'hello',
'goodbye',
'etc'],
2: ['blah',
'blah',
'blah',
'blah',
'blah',
'blah',
'blah'],
3: ['boopy', 'doopy', 'doop']},
'total': 18,
'word_count': Counter({1: 8, 2: 7, 3: 3})},
'JERRY': {'stats': {1: ['', '']}, 'total': 2, 'word_count': Counter({1: 2})},
'P1': {'stats': {1: ['Bla', 'bla', 'bla'], 2: ['Bla', 'bla']},
'total': 5,
'word_count': Counter({1: 3, 2: 2})},
'P2': {'stats': {1: ['Bla', 'bla', 'bla', 'bla']},
'total': 4,
'word_count': Counter({1: 4})},
'P3': {'stats': {1: ['Bla']}, 'total': 1, 'word_count': Counter({1: 1})}}
person
snakes_on_a_keyboard
schedule
04.12.2015