字典任务。选择所需的，然后订购
字典任务。选择所需的，然后订购
提问于 2016-10-27 13:22:11
堆叠的追随者！
我现在正努力解决一项任务。下面是：
'‘编写一个函数sameword(u1，u2，enc，k)，用于：
- 取2个urls，enc =‘utf8 8’： u1 =‘http://...u1.’ u2 =‘http://...u2.’
- 在此网页上，u1和u2找到两个页面上出现的长度为k的单词。
- 数一数每一页上单词的出现次数。
- 返回包含三个参数组的列表： word (见第2段)、occur1 (在页面u1上出现了多少次单词)、occur2 (页面u2上出现了多少次单词)
- 返回的列表应按照两个页面上发生的总数排序。
使用此代码删除所有notalphabetic字符
def mywords(s): # delet nonalphabetic characters
for c in '''!?/-,():;--'.\_[]"{}''':
s = s.replace(c, ' ')
return s.split() # return a list of all words from page with my url
import urllib.request as ul
def myurl(u, enc): #open my url
p = ul.urlopen(u)
t = p.read()
p.close()
return mywords(t.lower())然后，我遇到了3-5点的困难，并且被困住了(主要是因为如果没有什么东西，我用pythontutor.com在线检查代码，但在本例中，我不能这样做，因为它不支持urllib库)
谢谢！
回答 2
Stack Overflow用户
发布于 2016-10-27 13:35:41
在我看来，你需要一个测试环境。我会在本地机器上安装Python，并在IDLE ( Python附带的编辑器)中测试代码。
关于你的家庭作业的一些想法。1.函数myurl读取远程html文件的内容，因为它只是一个文件。您可以将代码放在read()和close()语句之间。您可以逐行遍历文件，然后逐字逐句地查找符合您需要的单词。您可能想先从单词中删除不需要的字符，首先使用函数mywords。
希望这能有所帮助。
Stack Overflow用户
发布于 2016-10-29 00:35:10
还不清楚您有什么问题，但我编写了一个符合规范的程序，它可能是您的基础。但是，在理解了这一点之后，您肯定应该自己实现。
好的，首先: urllib从python 2急剧变化到3。HTMLParser类也根据版本的不同在不同的地方。这意味着，如果您希望代码是可移植的，则需要做一些额外的工作。我选择用不同的方向来隐藏这些问题，方法是使用请求请求页面，使用BeautifulSoup解析它们的内容。显然，这是一种权衡，因为您必须安装非本地库：
在你的壳里：
$ pip install requests beautifulsoup4好处是代码变得非常简短：
webpage_words_counter_example.py：
import re
from collections import Counter
import requests
from bs4 import BeautifulSoup
def get_words_from_url(url):
response = requests.get(url)
response.raise_for_status()
soup = BeautifulSoup(response.text, "html.parser")
for script in soup(["script", "style"]):
script.extract()
# returns a list of words.
return re.sub('\W', ' ', soup.get_text()).lower().split()
def samewords(u1, u2, enc, k):
# Retrieve content, filter words with specified
# length and initialize repetition counters.
w1, w2 = map(Counter,
(filter(lambda word: len(word) == k, words)
for words in map(get_words_from_url,
(u1, u2))))
# Map all words to a list of tuples (word, count_w1, count_w2)
# and sort this list by count_w1 and count_w2.
return sorted(map(lambda x: (x, w1[x], w2[x]),
set(w1.keys()) | set(w2.keys())),
# disregard the word itself when sorting,
# considering only its occurrence in each text.
key=lambda x: x[1:],
# reversed array, so most frequent words come first.
reverse=True)
if __name__ == '__main__':
word_count = samewords(
'https://www.theguardian.com/environment/2016/oct/27/scheme-to-reopen-river-severn-to-fish-wins-almost-20m-in-funding',
'https://www.theguardian.com/environment/2016/oct/27/world-on-track-to-lose-two-thirds-of-wild-animals-by-2020-major-report-warns',
'utf-8',
10
)
print('word count:', word_count)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/40285747
复制相关文章
相似问题
腾讯云开发者
