Message=0 Source=E:\1daer\mmxdzy\1\dzy1\dzy1.py StackTrace: File "E:\1daer\mmxdzy\1\dzy1\dzy1.py", line 38, in <dictcomp> mapping_dict = str.maketrans({key[i]: most_frequent[i] if i < len(most_frequent) else '' for i in range(len(key))}) ~~~^^^ File "E:\1daer\mmxdzy\1\dzy1\dzy1.py", line 38, in decrypt mapping_dict = str.maketrans({key[i]: most_frequent[i] if i < len(most_frequent) else '' for i in range(len(key))}) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "E:\1daer\mmxdzy\1\dzy1\dzy1.py", line 28, in guess_key decrypted_text = decrypt(cipher_text, key) ^^^^^^^^^^^^^^^^^^^^^^^^^ File "E:\1daer\mmxdzy\1\dzy1\dzy1.py", line 51, in <module> (Current frame) key = guess_key(cipher_text, words) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ KeyError: 0

时间: 2023-08-03 15:03:07 浏览: 45
这个错误是因为在 `decrypt()` 函数中使用了 `most_frequent[i]` 来映射密文中的字符,但可能会出现 `most_frequent` 字符串的长度小于 `key` 的情况,导致索引错误。需要在字典推导式中增加一个判断,当 `i` 大于等于 `most_frequent` 的长度时,将映射值设为 `None`,如下所示: ``` mapping_dict = str.maketrans({key[i]: most_frequent[i] if i < len(most_frequent) else None for i in range(len(key))}) ``` 这样就能够避免出现 `KeyError: 0` 错误了。
相关问题

Message='itertools.permutations' object is not subscriptable Source=E:\1daer\mmxdzy\1\dzy1\dzy1.py StackTrace: File "E:\1daer\mmxdzy\1\dzy1\dzy1.py", line 55, in guess_key1 print(next(mp[i][j]), end=" ") ~~~~~^^^ File "E:\1daer\mmxdzy\1\dzy1\dzy1.py", line 79, in <module> (Current frame) print(guess_key1(cipher_text, words)) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ TypeError: 'itertools.permutations' object is not subscriptable

这个错误是因为您在使用 `next(mp[i][j])` 时,将 `mp[i][j]` 当做了一个可索引的对象,但实际上 `mp[i][j]` 是一个 `itertools.permutations` 对象,不支持索引操作。 如果您想获取 `itertools.permutations` 中的某个元素,可以将其转换为列表或元组,然后再进行索引操作。例如,您可以将 `next(mp[i][j])` 改为 `list(mp[i][j])[0]`,这样就可以获取排列中的第一个元素。 以下是修正后的示例代码: ``` python import itertools def guess_key1(cipher_text, words): # 生成字符组合的排列 perms = itertools.permutations('ABCDEFGHIJKLMNOPQRSTUVWXYZ', 5) for perm in perms: # 将排列转换为字典 key = {chr(i+65): perm[i] for i in range(26)} # 解密密文 plain_text = decrypt(cipher_text, key) # 如果解密后的明文包含给定单词,则返回密钥 if contains_words(plain_text, words): return key def contains_words(text, words): # 判断文本中是否包含给定单词 for word in words: if word in text: return True return False def decrypt(cipher_text, key): # 解密密文 plain_text = '' for ch in cipher_text: if ch.isalpha(): plain_text += key[ch] else: plain_text += ch return plain_text cipher_text = 'LXYXKXOXRKXYXKXXKLYXKXXYXKXOXRKXYXKXXKLRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKXXYXKXXYXKXOXRKXYXKXXKLRKXXYXKXXYXKXOXRKXYXKXXKLOXKX' words = ['CRYPTO', 'GOLD', 'SILVER'] # 获取排列器 perms = itertools.permutations('ABCDEFGHIJKLMNOPQRSTUVWXYZ', 5) # 将排列器转换为二维列表 mp = [[0] * 5 for i in range(5)] for i in range(5): for j in range(5): mp[i][j] = perms # 遍历排列器中的每一个排列 for i in range(5): for j in range(5): # 获取排列器中的下一个排列 perm = next(mp[i][j]) # 输出排列中的第一个元素 print(list(perm)[0], end=" ") print() ``` 在上面的代码中,我们使用 `list(perm)[0]` 来获取排列中的第一个元素,然后输出到控制台上。

Message='tuple' object is not an iterator Source=E:\1daer\mmxdzy\1\dzy1\dzy1.py StackTrace: File "E:\1daer\mmxdzy\1\dzy1\dzy1.py", line 45, in guess_key1 index = next(mp[i][j]) ^^^^^^^^^^^^^^ File "E:\1daer\mmxdzy\1\dzy1\dzy1.py", line 73, in <module> (Current frame) print(guess_key1(cipher_text, words)) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ TypeError: 'tuple' object is not an iterator

这个错误是因为 `mp[i][j]` 不是一个迭代器,而是一个元组。在使用 `next` 函数时,需要传入一个迭代器作为参数,而不能传入一个元组。 解决这个问题的方法是将 `mp[i][j]` 转换成一个迭代器,可以使用 `iter` 函数将其转换成迭代器。修改代码如下: ```python def guess_key1(cipher_text, words): letter_frequency = get_letter_frequency(cipher_text.lower()) sorted_letters = sorted(letter_frequency.keys(), key=lambda x: letter_frequency[x], reverse=True) most_common_letters_m = [sorted_letters[:8], sorted_letters[8:16], sorted_letters[-10:]] f1 = ['e'] f2 = ['a', 'i', 'r', 't', 'o', 'n'] f3 = ['s', 'l', 'c'] f4 = ['u', 'p', 'm', 'd', 'h'] f5 = ['g', 'b', 'y', 'f', 'v'] f6 = ['w', 'k', 'x', 'z', 'q', 'j'] mf = [f1, f2, f3, f4, f5, f6] mp = [[] for _ in range(len(mf))] flag = True while(flag): key = {} for i in range(6): mp[i] = iter(itertools.permutations(range(len(mf[i])))) for i in range(6): for j in range(len(mf[i])): index = next(mp[i][j]) key.update({most_common_letters_m[i][index]: mf[i][j]}) decrypted_text = decrypt(cipher_text, key) if is_plaintext(decrypted_text, words): flag = False return key ``` 在这个修改中,将 `mp[i][j]` 转换成了迭代器,修改为 `iter(mp[i][j])`,然后再使用 `next` 函数来获取其下一个元素,就可以避免之前的错误。

相关推荐

zip
卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。

最新推荐

recommend-type

基于springboot开发的前后端分离的简易进销存后台管理系统.zip

基于springboot的java毕业&课程设计
recommend-type

基于springboot-mqtt的温度、湿度、六氟化硫浓度实时监控系统.zip

基于springboot的java毕业&课程设计
recommend-type

会计信息化对华强公司内部审计的影响研究.docx

会计信息化对华强公司内部审计的影响研究.docx
recommend-type

修改谷歌提供的样例量子卷积神经网络模型,基于KDD99数据集进行训练,实现了网络攻击分类检测。.zip

卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。
recommend-type

用泽尼克多项式拟合表面的功能matlab代码.zip

1.版本:matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SQL怎么实现 数据透视表

SQL可以通过使用聚合函数和GROUP BY子句来实现数据透视表。 例如,假设有一个销售记录表,其中包含产品名称、销售日期、销售数量和销售额等信息。要创建一个按照产品名称、销售日期和销售额进行汇总的数据透视表,可以使用以下SQL语句: ``` SELECT ProductName, SaleDate, SUM(SaleQuantity) AS TotalQuantity, SUM(SaleAmount) AS TotalAmount FROM Sales GROUP BY ProductName, SaleDate; ``` 该语句将Sales表按照ProductName和SaleDat
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。