Python 没有名为'；msvcrt'；

我被困在这里（下图），需要通过它才能阅读我的文本。我还有text.txt文件。程序本身不会使用python 2运行。python 2在这里给了我一个错误：

print（最后的建议，end=''，flush=True）

train_data='text.txt'
第一个可能的单词={}
第二个可能的单词={}
转换={}
def expandDict（字典、键、值）：
如果关键字不在字典中：
字典[键]=[]
字典[key]。追加（值）
def get_next_概率（给定列表）：#返回字典
概率_dict={}
给定列表长度=len（给定列表）
对于给定_列表中的项目：
概率dict[item]=概率dict.get（item，0）+1
对于键，概率项（）中的值：
概率dict[键]=值/给定列表长度
返回概率
def trainMarkovModel（）：
对于开放线路（列车数据）：
令牌=line.rstrip（）.lower（）.split（）
令牌长度=len（令牌）
对于范围内的i（令牌长度）：
令牌=令牌[i]
如果i==0：
第一个可能的单词[token]=第一个可能的单词。get（token，0）+1
其他：
prev_令牌=令牌[i-1]
如果i==tokens\u length-1：
expandDict（转换，（上一个令牌，令牌），“结束”）
如果i==1：
expandDict（第二个可能的字、上一个标记、标记）
其他：
prev_prev_token=代币[i-2]
expandDict（转换，（上下上下令牌，上下令牌），令牌）
第一个可能的单词总数=总和（第一个可能的单词.values（））
对于键，第一个单词中的值。items（）：
第一个可能的单词[关键字]=值/第一个可能的单词总数
对于上一个单词，请在第二个单词中列出下一个单词。items（）：
第二个可能单词[上一个单词]=获取下一个单词的概率（下一个单词列表）
对于单词对，在transitions.items（）中的下一个单词列表：
转换[单词对]=获取下一个单词的概率（下一个单词列表）
定义下一个单词（tpl）：
#打印（过渡）
if（type（tpl）==str）：#它是字符串的第一个字。。从第二个单词返回
d=第二个可能的单词。获取（tpl）
如果（d）不是无：
返回列表（d.keys（））
if（type（tpl）=tuple）：#传入词是两个词的组合。。现在根据转换查找下一个单词
d=转换。获取（tpl）
如果（d==无）：
返回[]
返回列表（d.keys（））
返回无#输入错误。。一无所获
trainMarkovModel（）#生成第一个、第二个单词列表和转换
##########下面是演示代码################
打印（“用法：开始键入..程序将建议单词。按tab键选择第一个建议或继续键入\n”）
导入msvcrt#使用mscvrt从用户实时获取字符，无需按enter键
c=''
发送=“”
最后的建议=[]
while（c！=b'\r'）：#当用户输入时停止
如果（c！=b'\t'）：#如果前一个字符是tab，则自动完成后不要等待用户输入。。只是提出建议
c=msvcrt.getch（）
其他：
c=b“
如果（c！=b'\t'）：#不打印选项卡等
打印（str（c.decode（'utf-8'）），end=''，flush=True）
sent=sent+str（c.decode（'utf-8'））#在空格上创建单词
如果（c==b“”）：
tkns=sent.split（）
if（len（tkns）<2）：#只遇到第一个空格
最后一个建议=下一个单词（tkns[0].lower（））
打印（最后建议，结束=''，刷新=真）
否则：#发送一个元组
最后一个建议=下一个单词（（tkns[-2].lower（），tkns[-1].lower（））
打印（最后建议，结束=''，刷新=真）
如果（c==b'\t'和len（最后建议）>0:#在选项卡上打印最后建议
打印（最后建议[0]，结束=''，刷新=真）
已发送=已发送+“”+上次建议[0]

我正在使用Mac并在可视代码中运行此操作，这是我得到的错误：

baylarbayramov@Baylars-MacBook Pro markov预测下一个单词master%python3-u“markov_nextwordpred.py”
用法：开始键入。。程序将建议使用单词。按tab键选择第一个建议或继续键入
回溯（最近一次呼叫最后一次）：
文件“markov_nextwordpred.py”，第69行，在
导入msvcrt
ModuleNotFoundError:没有名为“msvcrt”的模块

此模块仅适用于windows，您似乎在mac上运行此模块。在这里试试其他的解决方案：（虽然不是很令人满意）还要注意，

print

已经从Python2中的语句更改为Python3中的函数。要在Python2中使用函数形式，请在代码的开头添加一个来自_future _导入print_函数的

。看见
train_data = 'text.txt'

first_possible_words = {}
second_possible_words = {}
transitions = {}

def expandDict(dictionary, key, value):
    if key not in dictionary:
        dictionary[key] = []
    dictionary[key].append(value)

def get_next_probability(given_list):   #returns dictionary
    probability_dict = {}
    given_list_length = len(given_list)
    for item in given_list:
        probability_dict[item] = probability_dict.get(item, 0) + 1
    for key, value in probability_dict.items():
        probability_dict[key] = value / given_list_length
    return probability_dict

def trainMarkovModel():
    for line in open(train_data):
        tokens = line.rstrip().lower().split()
        tokens_length = len(tokens)
        for i in range(tokens_length):
            token = tokens[i]
            if i == 0:
                first_possible_words[token] = first_possible_words.get(token, 0) + 1
            else:
                prev_token = tokens[i - 1]
                if i == tokens_length - 1:
                    expandDict(transitions, (prev_token, token), 'END')
                if i == 1:
                    expandDict(second_possible_words, prev_token, token)
                else:
                    prev_prev_token = tokens[i - 2]
                    expandDict(transitions, (prev_prev_token, prev_token), token)

    first_possible_words_total = sum(first_possible_words.values())
    for key, value in first_possible_words.items():
        first_possible_words[key] = value / first_possible_words_total

    for prev_word, next_word_list in second_possible_words.items():
        second_possible_words[prev_word] = get_next_probability(next_word_list)

    for word_pair, next_word_list in transitions.items():
        transitions[word_pair] = get_next_probability(next_word_list)


def next_word(tpl):
    #print(transitions)
    if(type(tpl) == str):   #it is first word of string.. return from second word
        d = second_possible_words.get(tpl)
        if (d is not None):
            return list(d.keys())
    if(type(tpl) == tuple): #incoming words are combination of two words.. find next word now based on transitions
        d = transitions.get(tpl)
        if(d == None):
            return []
        return list(d.keys())
    return None #wrong input.. return nothing


trainMarkovModel()  #generate first, second words list and transitions

########## demo code below ################
print("Usage: start typing.. program will suggest words. Press tab to chose the first suggestion or keep typing\n")

import msvcrt   #use of mscvrt to get character from user on real time without pressing enter
c=''
sent=''
last_suggestion=[]
while(c != b'\r'):  #stop when user preses enter
    if(c != b'\t'): #if previous character was tab, then after autocompletion dont wait for user inpput.. just show suggestions
        c=msvcrt.getch()
    else:
        c = b' '
    if(c != b'\t'): #dont print tab etc
        print(str(c.decode('utf-8')), end=' ', flush=True)
    sent = sent + str(c.decode('utf-8'))  #create word on space
    if(c == b' '):
        tkns = sent.split()
        if(len(tkns) < 2):  #only first space encountered yet
            last_suggestion = next_word(tkns[0].lower())
            print(last_suggestion, end='  ', flush=True)
        else: #send a tuple
            last_suggestion = next_word((tkns[-2].lower(), tkns[-1].lower()))
            print(last_suggestion, end='  ', flush=True)
    if (c == b'\t' and len(last_suggestion) > 0):   #print last suggestion on tab
        print(last_suggestion[0], end='  ', flush=True)
        sent = sent + " " + last_suggestion[0]