用python将两个单词和类别列表与自己的语料库链接起来

好吧，我反复考虑了一遍，但我只是python的初学者，没有找到任何解决方案。 这就是我需要做的： 我有一个LIWC的文本文件，里面有各种各样的荷兰语单词和数字：

aaien 12 13 32
aan 10
aanbad 12 13 14 57 58 38
...

01:Pronoun
02:I
03:We
04:Self
05:You
06:Other
...

然后我从LIWC得到一个文本文件，后面有一个数字和一个类别：

aaien 12 13 32
aan 10
aanbad 12 13 14 57 58 38
...

01:Pronoun
02:I
03:We
04:Self
05:You
06:Other
...

现在我要把我自己的语料库和荷兰语单词联系起来，并把这些分类。因此，首先我必须将我的荷兰语单词与LIWC单词列表中荷兰语单词后面的数字联系起来，然后我必须将这些数字与这些类别联系起来。。。 我认为从LIWC制作两个列表的词典会很有用。 到目前为止，我得到的是：

with open('LIWC_words.txt', 'rU') as document:
    answer = {}
    for line in document:
        line = line.split()
        if not line:  #empty line
            continue
        answer[line[0]] = line[1:]

with open ('LIWC_categories.txt','rU') as document1:
    categoriesLIWC = {}
    for line in document1:
        line = line.strip()
        if not line:
            continue
        key, value = line.split(':')
        if key.isdigit():
            categoriesLIWC[int(key)] = value
        else:
            categoriesLIWC[key] = value

---

所以我现在有两本字典。。。但现在我被卡住了。有人知道我下一步该做什么吗？（我使用Python2.6.5，因为我必须主要使用NLTK）

我不确定您要创建的最终格式是什么。例如，您可以制作一个字典，其中

dict['deone']

包含

文档中包含
'01'
的所有行

#for example from this format
dic = {'word1': [1,2,3], 'word2':[3,2]}
ref = {1: 'pronoun', 2: 'I' , 3: 'you'}

out = {}

for word in dic:
  for entry in dic[word]:
    if entry in out:
      out[entry].append(word)
    else:
      out[entry] = []
      out[entry].append(word)

print out
>>>{1: ['word1'], 2: ['word1', 'word2'], 3: ['word1', 'word2']}

或者，您可以将
文档
中的数字替换为
文档1
中的条目

#for example from this format
dic = {'word1': [1,2,3], 'word2':[3,2]}
ref = {1: 'pronoun', 2: 'I' , 3: 'you'}

for word in dic:
  for indx in range(len(dic[word])): 
    dic[word][indx] = ref[dic[word][indx]]

print dic
>>>{'word1': ['pronoun', 'I', 'you'], 'word2': ['you', 'I']}

否则，您是否考虑过数据库
 这里有一种方法可以将数据转换成这种格式

dic = {}
ref = {}
tempdic = open('dic.txt','r').read().split('\n')
tempref = open('ref.txt','r').read().split('\n')

for line in tempdic:
  if line:
    line = line.split()
    dic[line[0]] = line[1:]
for line in tempref:
  if line:
    line = line.split(':')
    ref[line[0]] = line[1]
#dic = {'word1':[1,2,3], word2:[2,3]...}
#ref = {1:'ref1',2:'ref2',...}
for word in dic:
  for indx in range(len(dic[word])):#for each number after word
    dic[word][indx] = ref[dic[word][indx]]

假设我们从
{'apple'：[1,2,3]}
开始
dic['apple'][0]
将解析为
1
，右侧将是
ref[1]
，可以是
“代词”
。这将给我们留下
{'apple'：['deone'，2,3]
，剩下的数字将在下一次迭代中被替换。
{'word1'：['deone'，'I'，'you']，'word2'：['you'，'I']}=>我想这就是我需要的，但是当我运行代码时，python给出了一个错误：keyrerror:“39”是39在我称之为
ref
字典中定义的吗？如果ref:

中的dic[word][indx]在第二个

for

之后，你可以通过

来解决这个问题。但是这会保留原来的数字。现在它只给我dic{'word1'：[1,2,3]，'word2'：[3,2]}再次…没有任何变化