Python 在字符串中查找重复的单词并使用re打印它们

我需要一些在文本文件中打印重复姓氏的帮助（小写和大写应该相同） 程序不打印带有数字的单词（即，如果数字出现在姓或名中，则忽略全名）

例如： 我的文本文件是：

Assaf Spanier, Assaf Din, Yo9ssi Levi, Yoram bibe9rman, David levi, Bibi Netanyahu, Amnon Levi, Ehud sPanier, Barak Spa7nier, Sara Neta4nyahu

输出应为：

Assaf

Assaf

David

Bibi

Amnon

Ehud

========

Spanier

Levi

重新导入
def delete_编号（第行）：
words=re.sub（r'\w*\d\w*'，''，第行）.strip（）
对于拆分中的t（r’，’，单词）：
如果len（t.split（））==1：
词语=子条款（t，，，词语）
words=re.sub（“，”，“，”，words）
回话
fname=input（“输入文件名：”）
文件=打开（fname，“r”）
对于文件.readlines（）中的行：
单词=删除数字（行）
first_name=re.findall（r“（[a-zA-Z]+）\s”，单词）
对于我的名字：
印刷品（一）
打印（“***”）
a=“”
对于拆分中的t（r’，’，单词）：
a++=（“，”.join（t.split（）[1:]）+”

好的，首先让我们从一个侧边开始-以惯用的方式打开文件。使用

with

语句，该语句保证文件将被关闭。对于小脚本来说，这没什么大不了的，但如果您开始编写寿命更长的程序，由于错误关闭文件而导致的内存泄漏可能会再次困扰您。由于您的文件在一行中包含所有内容：

with open(fname) as f:
    data = f.read()

文件现在已关闭。这也鼓励您立即处理您的文件，而不是让它处于打开状态，不必要地消耗资源。另一方面，假设您有多行。不要对f.readlines（）中的行使用

，

，而是使用以下结构：

with open(fname) as f:
    for line in f:
        do_stuff(line)

因为实际上不需要保存整个文件，只需要检查每一行，所以不要使用

readlines（）

。如果要保留行列表，请仅使用

readlines（）

，例如

lines=f.readlines（）

好的，最后，数据将如下所示：

>>> print(data)
Assaf Spanier, Assaf Din, Yo9ssi Levi, Yoram bibe9rman, David levi, Bibi Netanyahu, Amnon Levi, Ehud sPanier, Barak Spa7nier, Sara Neta4nyahu

好的，如果您想在这里使用正则表达式，我建议使用以下方法：

>>> names_regex = re.compile(r"^(\D+)\s(\D+)$")

这里的模式，

^（\D+）\s（\D+）$

使用非数字组，

\D

（与

\D

相反的数字组）和空白组，

\s

。此外，它还使用锚定（

^

和

$

）将模式分别锚定到文本的开头和结尾。此外，括号还创建了捕获组，我们将利用它们。如果你还不明白，试着把它复制粘贴到你的电脑里，然后玩一玩。一个重要的注意事项是，使用原始字符串，即

r“这是原始字符串”

与普通字符串相比，

“这是普通字符串”

（注意

r

）。这是因为Python字符串使用了一些与正则表达式模式相同的转义字符。这将有助于保持你的理智。好的，最后，我建议使用分组习惯用法，使用

dict

>>> grouper = {}

现在，我们的循环：

>>> for fullname in data.split(','):
...     match = names_regex.search(fullname.strip())
...     if match:
...         first, last = match.group(1), match.group(2)
...         grouper.setdefault(last.title(), []).append(first.title())
...

注意，我使用

.title

方法将我们所有的名字规范化为“Titlecase”

dict.setdefault

将一个键作为第一个参数，如果该键不存在，则将第二个参数设置为值，并返回该值。因此，我正在检查

grouper

dict中是否存在姓，如果不存在，则将其设置为空列表，

[]

，然后将

附加到任何存在的内容中

为了清晰起见，现在进行漂亮的打印：

>>> from pprint import pprint
>>> pprint(grouper)
{'Din': ['Assaf'],
 'Levi': ['David', 'Amnon'],
 'Netanyahu': ['Bibi'],
 'Spanier': ['Assaf', 'Ehud']}

这是一个非常有用的数据结构。例如，我们可以用一个以上的名字获取所有姓氏：

>>> for last, firsts in grouper.items():
...     if len(firsts) > 1:
...         print(last)
...
Spanier
Levi

因此，把所有这些放在一起：

>>> grouper = {}
>>> names_regex = re.compile(r"^(\D+)\s(\D+)$")
>>> for fullname in data.split(','):
...     match = names_regex.search(fullname.strip())
...     if match:
...         first, last = match.group(1), match.group(2)
...         first, last = first.title(), last.title()
...         print(first)
...         grouper.setdefault(last, []).append(first)
...
Assaf
Assaf
David
Bibi
Amnon
Ehud
>>> for last, firsts in grouper.items():
...     if len(firsts) > 1:
...         print(last)
...
Spanier
Levi

注意，我假设顺序无关紧要，所以我使用了一个普通的
dict
。我的输出恰好顺序正确，因为在Python3.6上，
dict
s是有序的！但不要依赖于此，因为这是一个实现细节，而不是保证。如果您想保证订单，请使用collections.OrderedDict。
好的，首先让我们从一个侧边开始-以惯用的方式打开文件。使用
with
语句，该语句保证文件将被关闭。对于小脚本来说，这没什么大不了的，但如果您开始编写寿命更长的程序，由于错误关闭文件而导致的内存泄漏可能会再次困扰您。由于您的文件在一行中包含所有内容：

with open(fname) as f:
    data = f.read()

文件现在已关闭。这也鼓励您立即处理您的文件，而不是让它处于打开状态，不必要地消耗资源。另一方面，假设您有多行。不要对f.readlines（）中的行使用
，
，而是使用以下结构：

with open(fname) as f:
    for line in f:
        do_stuff(line)

因为实际上不需要保存整个文件，只需要检查每一行，所以不要使用
readlines（）
。如果要保留行列表，请仅使用
readlines（）
，例如
lines=f.readlines（）

好的，最后，数据将如下所示：

>>> print(data)
Assaf Spanier, Assaf Din, Yo9ssi Levi, Yoram bibe9rman, David levi, Bibi Netanyahu, Amnon Levi, Ehud sPanier, Barak Spa7nier, Sara Neta4nyahu

好的，如果您想在这里使用正则表达式，我建议使用以下方法：

>>> names_regex = re.compile(r"^(\D+)\s(\D+)$")

这里的模式，
^（\D+）\s（\D+）$
使用非数字组，
\D
（与
\D
相反的数字组）和空白组，
\s
。此外，它还使用锚定（
^
和
$
）将模式分别锚定到文本的开头和结尾。此外，括号还创建了捕获组，我们将利用它们。如果你还不明白，试着把它复制粘贴到你的电脑里，然后玩一玩。一个重要的注意事项是，使用原始字符串，即
r“这是原始字符串”
与普通字符串相比，
“这是普通字符串”
（注意
r
）。这是因为Python字符串使用了一些与正则表达式模式相同的转义字符。这将有助于保持你的理智。好的，最后，我建议使用分组习惯用法，使用
dict

>>> grouper = {}

现在，我们的循环：

>>> for fullname in data.split(','):
...     match = names_regex.search(fullname.strip())
...     if match:
...         first, last = match.group(1), match.group(2)
...         grouper.setdefault(last.title(), []).append(first.title())
...

注意，我使用
.title
方法将我们所有的名字规范化为“Titlecase”
dict.setdefault
将一个键作为其第一个参数，如果该键不存在，则设置