Python read_table读txt文件中—>符号读不出来

您好，可以通过设置read_table函数的delimiter参数来指定读取文件时使用的分隔符，例如：

import pandas as pd
df = pd.read_table('test.txt', delimiter='—>')

这样，就可以按照—>符号进行读取了。祝您工作愉快！

相关问题

文本文件article.txt(一篇英文文章）直接在目录中新建并输入数据，编写一个程序，对文件中的单词根据长度进行分类和统计，标点符号忽略，相同的单词仅计算一次。分类和统计结果按照以下格式：1:1,a 2:3，an on in,结果按照单词长度升序排序后显示，并存放到new_article_classify.txt中

下面是Python的实现代码：

import string

# 读取文件并分割单词
with open('article.txt', 'r') as f:
    words = f.read().lower().split()

# 去掉单词中的标点符号
table = str.maketrans('', '', string.punctuation)
words = [word.translate(table) for word in words]

# 统计单词出现次数
word_freq = {}
for word in words:
    if word not in word_freq:
        word_freq[word] = 1

# 对单词按长度进行分类和统计
word_classify = {}
for word, freq in word_freq.items():
    length = len(word)
    if length not in word_classify:
        word_classify[length] = [(word, freq)]
    else:
        word_classify[length].append((word, freq))

# 排序并输出结果到文件
with open('new_article_classify.txt', 'w') as f:
    for length in sorted(word_classify.keys()):
        words = [word[0] for word in word_classify[length]]
        freqs = [word[1] for word in word_classify[length]]
        f.write('{}:{}\n{}\n'.format(length, len(word_classify[length]), ' '.join(words)))

这个程序首先读取文件并把文章中的单词分割出来，然后去掉单词中的标点符号，统计每个单词出现的次数。接下来，根据单词的长度对它们进行分类和统计，最后按照单词长度升序排序并输出结果到文件new_article_classify.txt中。

用python实现以下具体内容：批量读取txt文件，根据停用词词表以及词表使用最大逆向算法进行分词，词表说明了哪些字的组合可以被算作一个词，停用词表说明哪些没有实意的词可以去掉，其中词表和停用词表均为excel文件，并要求去掉标点符号、数字等；之后蒋分词结果以同名文件保存在另一个文件夹里；最后对分词结果的txt文件进行词频统计，将结果也保存在一个新的文件夹里面。

好的，我来解答你的问题。

首先，需要安装一些依赖库，包括`openpyxl`、`jieba`、`re`、`os`等。可以通过pip命令进行安装：

pip install openpyxl
pip install jieba

接下来，我们可以先定义一个函数来读取停用词表和词表：

import openpyxl

def read_excel(file_path):
    # 读取excel文件
    workbook = openpyxl.load_workbook(file_path)
    worksheet = workbook.active

    # 读取每一行的数据，存放在列表中
    data_list = []
    for row in worksheet.iter_rows():
        row_list = []
        for cell in row:
            row_list.append(cell.value)
        data_list.append(row_list)

    return data_list

然后，我们可以定义一个函数来对单个txt文件进行分词：

import jieba
import re

def cut_words(file_path, word_table, stop_words):
    # 读取txt文件
    with open(file_path, 'r', encoding='utf-8') as f:
        content = f.read()

    # 去除标点符号、数字等
    content = re.sub('[^\u4e00-\u9fa5a-zA-Z]+', '', content)

    # 最大逆向匹配分词
    words_list = []
    max_len = max([len(word) for word in word_table])
    while content:
        max_cut = min(len(content), max_len)
        sub_content = content[-max_cut:]
        while sub_content not in word_table and len(sub_content) > 1:
            max_cut -= 1
            sub_content = content[-max_cut:]
        words_list.insert(0, sub_content)
        content = content[:-max_cut]

    # 去除停用词
    words_list = [word for word in words_list if word not in stop_words]

    return words_list

最后，我们可以定义一个函数来批量读取txt文件、分词并统计词频：

def batch_cut_words(input_folder, output_folder, word_table_path, stop_words_path):
    # 读取词表和停用词表
    word_table = [word[0] for word in read_excel(word_table_path)]
    stop_words = set([word[0] for word in read_excel(stop_words_path)])

    # 遍历文件夹
    for file_name in os.listdir(input_folder):
        if file_name.endswith('.txt'):
            # 对单个txt文件进行分词
            words_list = cut_words(os.path.join(input_folder, file_name), word_table, stop_words)

            # 将分词结果保存到同名文件中
            with open(os.path.join(output_folder, file_name), 'w', encoding='utf-8') as f:
                f.write(' '.join(words_list))

            # 统计词频并保存到新的文件中
            word_count = {}
            for word in words_list:
                word_count[word] = word_count.get(word, 0) + 1
            with open(os.path.join(output_folder, file_name[:-4] + '_count.txt'), 'w', encoding='utf-8') as f:
                for word, count in word_count.items():
                    f.write(word + '\t' + str(count) + '\n')

最后，我们可以调用`batch_cut_words`函数来进行批量处理：

input_folder = 'input_folder'
output_folder = 'output_folder'
word_table_path = 'word_table.xlsx'
stop_words_path = 'stop_words.xlsx'

batch_cut_words(input_folder, output_folder, word_table_path, stop_words_path)

这样，就可以批量读取txt文件，根据停用词词表以及词表使用最大逆向算法进行分词，词频统计，并将结果保存在指定文件夹中了。