用python实现: 【问题描述】 编写程序,打开一篇英文文章(存在当前目录下的文件in.txt中),为该文章生成词汇表(存到当前目录下的另一个文件words.txt中)。文章中单词指的是只由小写或大写字母组成的字符串,但词汇表中的单词都是以小写字母的形式出现,若文章中出现多个大小写无关的相同单词,只在词汇表中生成一个单词。假设生成的词汇表中单词个数不会超过100个,且每个单词的长度不会超过20。词汇表中的单词以字典顺序由小到大存放。 【输入形式】 输入的英文文章存储在当前目录下的文件in.txt中。 【输出形式】 输出的词汇表存储到当前目录下的文件words.txt中,每个单词独占一行,以字典顺序由小到大存放。 【输入样例】 假如in.txt中的文章内容如下: C was originally designed for and implemented on the UNIX operating system on the DEC PDP-11, by Dennis Ritchie. The book is not an introductory programming manual. 【输出样例】 生成的词汇表存储在words.txt中,其内容应如下所示: an and book by c dec dennis designed for implemented introductory is manual not on operating originally pdp programming ritchie system the unix was 【样例说明】 读入的英文文章中,所有的英文字母串(由一个或多个连续字母组成)都将对应生成词汇表中的一个单词,例如:文章中的两个the和一个The对应生成词汇表中单词the;单个字母C也作为单个单词出现,所以也对应生成词汇表中的一个单词c。
时间: 2024-01-22 16:18:20 浏览: 71
采用python程序设计语言,进行分词,再去掉停用词和标点符号等,生成文档的词典,接着根据词典和文档内容生成词项的倒排记录表
代码如下:
```python
import string
def generate_word_list():
# 打开文件并读取文章内容
with open('in.txt', 'r') as f:
content = f.read()
# 去除标点符号并转换为小写
for c in string.punctuation:
content = content.replace(c, ' ')
content = content.lower()
# 将文章内容分割为单独的单词
words = content.split()
# 去重并排序
word_list = sorted(list(set(words)))
# 将词汇表写入文件
with open('words.txt', 'w') as f:
for word in word_list:
f.write(word + '\n')
generate_word_list()
```
该程序首先读取文件内容,并将其转换为小写。然后使用string库中的punctuation常量去除文章中的标点符号。接着使用split()函数将文章内容分割为单独的单词,并将其去重并排序。最后将词汇表写入文件。
阅读全文