Matlab 在多个文本文件中查找常用词并将其保存到新文本文件

如果我有10-20个文本文件，每个文件至少包含4-5个单词，这些单词在所有文件中都很常见，那么如何获取这些单词并将它们保存到新的文本文件中。 我尝试了很多东西，因为我的文本文件一个接一个地出现，所以我无法计算文本文件的数量。有没有办法将文本分别保存到不同的单元格数组中，而不使用循环，然后查找常用词。 这是密码--

sdirectory='C:\Users\anurag\Desktop\anies\Annotations\'；
textfiles=dir（[sddirectory'*.eng']）；
sdirectory1='C:\Users\anurag\Desktop\Animals\Images\'；
imgfiles=dir（[sddirectory1'*.jpg']）；
num_of_files=长度（textfiles）；
C=单元（文件的数量，1）；
对于w=1：长度（文本文件）
file=[sdirectorytextfiles（w）.name]；
STR=导入数据（文件）；
BL=cellfun（@lower，STR，'uni'，0）；
B=regexprep（BL，，''）；
B（strcmp（B，，）=[]；
tmp=regexp（B，“/”，“split”）；
C{w}=[tmp{:}]；
终止
式中=[]；
对于j=1：长度（C）
file1=[sdirectory1 imgfiles（j.name]；
file2=[sdirectorytextfiles（j）.name]；
if-find（strcmp（C{j}，'alligator'））
其中=[where num2str（j）'.eng']；
disp（文件2）；
终止
终止

---

file2

变量将显示匹配文本文件到文本的路径

alligator

。但它不会存储路径，而是在新循环开始时覆盖路径。因此，如何分别存储每个路径，以便分别访问文本文件中的数据并在其中查找常用单词。

您应该首先读取正在使用的文件，并将这些单词存储为包含字符串的单元格数组。然后，您应该成对地比较单元数组，并成对地比较结果，直到得到单个单元数组为止

如果您有四个文件，并且（A、B、C、D）是文件中的四个单词单元数组，那么您应该比较A和B（结果是AB）、C和D（结果是CD），然后您应该比较AB和CD，以获得所有四个文件中的最后一个单词单元数组

一个例子

basedir = '';
files = dir([basedir '*.eng']);
filenames = strcat({basedir}, {files.name});

现在，

filenames

将保留您要处理的所有文件的路径。然后，您应该编写一个函数，在给定路径的情况下打开文件并在文件中创建一个单词单元格数组，让我们调用此函数

read\u my\u data

wordlists = {};
for i = 1:numel(filenames)
  wordlists{i} = read_my_data(filenames{i});
end

如果您有两个字符串的单元格数组

A

和

B

，则可以通过对它们进行排序，然后在数组上迭代来查找重复项

function C = duplicates(A,B)
  i = 1; j = 1; k = 1;
  C = {};
  A = sort(A);
  B = sort(B);
  while i <= numel(A) & j <= numel(B) 
    switch strcmp(A{i}, B{i})
      case -1
        i = i + 1;
      case 0
        C{k} = A{i};
        i = i + 1;
        j = j + 1;
        k = k + 1;
      case 1
        j = j + 1;
    end
  end

---

请注意，您需要确保

numel（单词列表）

为偶数或1。

能否显示您尝试过的内容？因此，您希望读取一个文本文件，从中创建一个单词列表，然后将此单词列表写入一个新文件？根据我的问题，我希望在匹配后找到文本文件中的常用单词，然后将这些单词写入新的文本文件。至少有两个文本文件可以找到常用单词，而不仅仅是一个文件。我会使用“strsplit”将每个文件的内容连接到单独的单元格数组中；将它们放入一个较大的单元数组中，然后使用一个循环对这个较大的单元执行操作，该循环包含：c{i}=find（strcmp（c{i}，c{i-1}）），其中每个c{i}是对应于每个文件的单元，i从2到#个文件运行。在这个过程结束时，c{#files}将是所需的单元格数组。但为此，我有来自不同文件的两个字符串，但我被

file2

变量卡住了，该变量会在每次出现新路径时覆盖路径。如何解决这个问题。先生，我可以照你说的做，但是如何将路径单独存储在file2变量中，这样它就不会被再次覆盖，因为这将有助于找到有多少路径。然后我可以访问它们，并可以在文件中找到常用词。

function C = duplicates(A,B)
  i = 1; j = 1; k = 1;
  C = {};
  A = sort(A);
  B = sort(B);
  while i <= numel(A) & j <= numel(B) 
    switch strcmp(A{i}, B{i})
      case -1
        i = i + 1;
      case 0
        C{k} = A{i};
        i = i + 1;
        j = j + 1;
        k = k + 1;
      case 1
        j = j + 1;
    end
  end

while numel(wordlists) > 1
  j = 1
  tmp = {};
  for i = 1:2:numel(wordlists)-1
    tmp{j} = duplicates(wordlists{i}, wordslists{i+1});
    j = j + 1;
  end
  wordlists = tmp;
end