有没有更好的方法来获得'；重要词语'；从python中的列表中？

我使用reddit praw api编写了一些代码来查找reddit上提交标题中最流行的单词

import nltk
import praw

picksub = raw_input('\nWhich subreddit do you want to analyze? r/')
many = input('\nHow many of the top words would you like to see? \n\t> ')

print 'Getting the top %d most common words from r/%s:' % (many,picksub)
r = praw.Reddit(user_agent='get the most common words from chosen subreddit')
submissions = r.get_subreddit(picksub).get_top_from_all(limit=200)

hey = []

for x in submissions:
    hey.extend(str(x).split(' '))   

fdist = nltk.FreqDist(hey) # creates a frequency distribution for words in 'hey'
top_words = fdist.keys()

common_words = ['its','am', 'ago','took', 'got', 'will', 'been', 'get', 'such','your','don\'t', 'if', 'why', 'do', 'does', 'or', 'any', 'but', 'they', 'all', 'now','than','into','can', 'i\'m','not','so','just', 'out','about','have','when', 'would' ,'where', 'what', 'who' 'I\'m','says' 'not', '', 'over', '_', '-','after', 'an','for', 'who', 'by', 'from', 'it', 'how', 'you', 'about' 'for', 'on', 'as', 'be', 'has', 'that', 'was', 'there', 'with','what', 'we', '::', 'to', 'the', 'of', ':', '...', 'a', 'at', 'is', 'my', 'in' , 'i', 'this', 'and', 'are', 'he', 'she', 'is', 'his', 'hers']
already = []
counter = 0
number = 1

print '-----------------------'
for word in top_words:  
    if word.lower() not in common_words and word.lower() not in already:
        print str(number) + ". '" + word + "'"
        counter +=1
    number +=1
    already.append(word.lower())
if counter == many:
    break
print '-----------------------\n'

因此，输入subreddit“python”并获得10篇文章返回：

---

“Python”

“派比”

“代码”

“使用”

‘136’

“181”

“d…”

“伊皮顿”

‘133’ 10. '158'

---

我怎样才能使这个脚本不返回数字和像“d…”这样的错误单词？前4个结果是可以接受的，但我想用有意义的词来代替其余的结果。列出常见的单词是不合理的，并且不能过滤这些错误。我对编写代码还比较陌生，我很感谢您的帮助

我不同意。列出一个常用词的列表是正确的，没有更简单的方法可以过滤掉，for，I，am等等。。但是，使用common_单词列表来过滤非单词的结果是不合理的，因为这样您就必须包含所有可能不需要的非单词。非单词应该以不同的方式过滤掉

一些建议：
1） 常见的单词应该是一个

set（）

，因为你的列表很长，这会加快速度。在操作中，对于O（1）中的集合，它的

，而对于列表，它是O（n）

2） 去掉所有数字字符串是很简单的。一种方法是：

all([w.isdigit() for w in word])

如果返回True，那么单词就是一系列数字

3） 摆脱d。。。这有点棘手。这取决于你如何定义一个非单词。这：

tf = [ c.isalpha() for c in word ]

返回真/假值列表（如果字符不是字母，则为假）。然后可以按如下方式计算值：

t = tf.count(True)
f = tf.count(False)

然后，您可以将非单词定义为非字母字符多于字母的单词，定义为具有任何非字母字符的单词，等等。例如：

def check_wordiness(word):
    # This returns true only if a word is all letters
    return all([ c.isalpha() for c in word ])

4） 在顶部单词中的单词：

块中，您确定没有混淆计数器和数字吗？此外，计数器和数字几乎是冗余的，您可以将最后一位重写为：

for word in top_words:
    # Since you are calling .lower() so much, 
    # you probably want to define it up here
    w = word.lower() 
    if w not in common_words and w not in already:
        # String formatting is preferred over +'s
        print "%i. '%s'" % (number, word)
        number +=1
    # This could go under the if statement. You only want to add
    # words that could be added again.  Why add words that are being
    # filtered out anyways?
    already.append(w)

    # this wasn't indented correctly before
    if number == many:
        break

---

希望这有帮助。

而不是

all（[w.isdigit（）代表word中的w]）

你可以说

word.isdigit（）

。对于

.isalpha（）

，也是如此。这一点很好。我决定扩展逻辑，因为OP说他对编码是新手，列表理解并没有比这更清楚。