字典用Python中的第一个字母索引文件

下面是我应该做的：

编写一个函数，

text\u dictionary（file\u name）

，它接受一个文件名并返回一个包含键的字典 是一个字母，值是文件中以该字母开头的单词列表。确保列表中包含 只有唯一的值，全部小写，不包含标点符号

这就是我现在拥有的

import string
string=string.ascii_lowercase
keys=[]
for letter in string:
    keys.append(letter)
def text_dictionary(file_name):
    with open(file_name,'r') as file:
        words=[]
        for line in file:
            words.append(line.rstrip())
            new_list=[]
            for i in words:
                new_list.append(i.lower())
                return new_list
            d={}
            for words in new_list:
                for i in range(25):
                    if word.startwith(new_list[i])==True:
                        d[words[i]]+=words
                return d
        print(d)

---

代码变得越来越长，我仍然没有得到我想要的。我甚至不知道我在做什么，它是否有用。我不知道字典是否有我不知道的功能。这里真的很沮丧。

你让事情变得比需要的更复杂，这就是沮丧的根源。实际的解决方案比你想象的要简单得多

词典有自己的索引。你不需要初始化任何东西。如果一个单词出现在一个不在字典中的字母中，那么你马上添加一个新的键。否则，您将使用已经存在的列表

另一点是，该模块为您提供了在和上拆分的工具。您付出的代价是必须过滤掉一些空字符串，但这是微不足道的

我建议将中间结果存储在s中，而不是列表中，以确保唯一性。最后一步，您始终可以转换为列表

并在实用程序函数中使用返回值而不是打印输出：

def text_dictionary(file_name):
    map = {}
    with open(file_name,'r') as file:
        for line in file:
            for word in line.split(string.whitespace + string.punctuation):
                if not word:
                    continue
                word = word.lower()
                if word[0] not in map:
                    map[word[0]] = set()
                map[word[0]].add(word)
    for key in map:
        map[key] = list(map[key])
    return map

请注意，除了最基本的访问之外，我根本没有使用字典的任何特殊方法或属性

附录1：字典转换

最后一个循环用列表替换集合：它不会创建新的dictionary对象。您可以使用非常相似的循环执行相同的操作：

for key, value in map.items():
    map[key] = list(item)

一般来说，在迭代字典时不应该修改它。但是，如果您非常小心地只触摸值而不触摸键，则不会有任何问题，因为哈希表的底层结构不会改变

创建字典很便宜，因此使用字典理解来创建新映射可能会更快：

map = {key: list(value) for key, value in map.items()}

附录2：分词

上面显示的分词算法非常简单。它假定您的文件只包含行为良好的可打印ASCII字符。虽然这对你的任务来说可能是正确的，但我很讨厌编写已知潜在问题的代码，因为以后会有太多未知问题占用你的时间。为此，我将介绍几种使用搜索词的替代方法

第一种选择是对任何非单词字符进行拆分。单词字符（在常规字符串中）由

\w

模式匹配，该模式

匹配Unicode单词字符；这包括任何语言中可以作为单词一部分的大多数字符，以及数字和下划线。如果使用该标志，则仅匹配

[a-zA-Z0-9.]

\w

的反方向是

\w

，因此您可以将其用于：

第二种选择是第一种选择的补充。与其在模式上拆分，不如匹配一个模式，然后使用列出单词：

for word in re.finditer(r'\w+', line):

我是两种情况，值得注意的是，您最好使用预编译您选择的模式，而不是每次都重新编译该模式。设置模式的最有效方法是全局设置，或者在函数的默认参数中设置。这样，它将只被评估一次。第二个最好的选择是在

with

块之前进行编译，因此每个文件至少编译一次，而不是每行编译一次。全局定义或函数内定义，如下所示

pattern = re.compile(r'\w')  # or r'\W', as you prefer

作为默认参数：

def text_dictionary(file_name, pattern=re.compile(r'\w')):

如果您决定修改包含/拆分的字符集，后一种方法将为您提供灵活性

在任何一种情况下，循环都将是

for word in pattern.split(line):  # or pattern.finditer(line)

---

你让事情变得比需要的更复杂，这就是挫折感的来源。实际的解决方案比你想象的要简单得多

词典有自己的索引。你不需要初始化任何东西。如果一个单词出现在一个不在字典中的字母中，那么你马上添加一个新的键。否则，您将使用已经存在的列表

另一点是，该模块为您提供了在和上拆分的工具。您付出的代价是必须过滤掉一些空字符串，但这是微不足道的

我建议将中间结果存储在s中，而不是列表中，以确保唯一性。最后一步，您始终可以转换为列表

并在实用程序函数中使用返回值而不是打印输出：

def text_dictionary(file_name):
    map = {}
    with open(file_name,'r') as file:
        for line in file:
            for word in line.split(string.whitespace + string.punctuation):
                if not word:
                    continue
                word = word.lower()
                if word[0] not in map:
                    map[word[0]] = set()
                map[word[0]].add(word)
    for key in map:
        map[key] = list(map[key])
    return map

请注意，除了最基本的访问之外，我根本没有使用字典的任何特殊方法或属性

附录1：字典转换

最后一个循环用列表替换集合：它不会创建新的dictionary对象。您可以使用非常相似的循环执行相同的操作：

for key, value in map.items():
    map[key] = list(item)

一般来说，在迭代字典时不应该修改它。但是，如果您非常小心地只触摸值而不触摸键，则不会有任何问题，因为哈希表的底层结构不会改变

创建字典很便宜，因此使用字典理解来创建新映射可能会更快：

map = {key: list(value) for key, value in map.items()}

附录2：分词

上面显示的分词算法非常简单。它假定您的文件只包含行为良好的可打印ASCII字符。虽然这对你的任务来说可能是正确的，但我很讨厌编写已知潜在问题的代码，因为以后会有太多未知问题占用你的时间。为此，我将介绍几种使用搜索词的替代方法

第一种选择