如何从HTML文件（Ruby）转换的txt文件创建数组？

我正在努力完成任务的第一项任务：

获得5封常规电子邮件和5封预付费欺诈电子邮件（也称垃圾邮件）。将它们全部转换为文本文件，然后将每个文件转换为一个单词数组（此处拆分可能会有所帮助）。然后使用一组正则表达式搜索单词数组，查找关键字，以分类哪些文件是垃圾邮件或不是垃圾邮件。如果你想变得更花哨，你可以给每个数组一个10分的垃圾邮件分数

打开HTML页面并读取文件

从文件中删除脚本、链接等

单独拥有正文/段落

打开文本文件（文件2）并写入（UTF-8）

从HTML文档（文件1）传递内容

现在将文本文件（file2）中的单词放入数组中，然后拆分

通过数组查找任何被认为是垃圾邮件的单词，并将消息打印到屏幕上，说明该电子邮件是否为垃圾邮件

这是我的密码：

require 'nokogiri'
file = File.open("EMAILS/REG/Membership.htm", "r")
doc = Nokogiri::HTML(file)
#What ever is passed from elements to the newFile is being put into the new array however the euro sign doesn't appear correctly
elements = doc.xpath("/html/body//p").text
#puts elements

newFile = File.open("test1.txt", "w")
newFile.write(elements)
newFile.close()


#I want to open the file again and print the lines to the screen
#
array_of_words = {}
puts "\n\tRetrieving test1.txt...\n\n"
File.open("test1.txt", "r:UTF-8").each_line do |line|
    words = line.split(' ')
    words.each do |word|
        puts "#{word}"
        #array_of_words[word] = gets.chomp.split(' ')
    end
end

编辑：在这里我编辑了文件，但是，我无法检索数组中欧元符号的UTF-8编码（请参阅）

需要“nokogiri”
doc=Nokogiri:：HTML（File.open（“EMAILS/REG/Membership.htm”，“r:UTF-8”））
#从元素传递到新文件的内容将被放入新文件中
#但是，欧元符号显示不正确
elements=doc.xpath（“//p”）.text
#放置元素
File.write（“test1.txt”，元素）
放置“\n\t正在尝试test1.txt…\n\n”
#我想再次打开文件并将行打印到屏幕上
#
word_array=array.new
File.read（“test1.txt”）。每行|
行。拆分（“”）。每个do |字|
放入“#{word}”
你让事情变得更难了。您已经在
elements
中有了段落文本，因此在写入后无需阅读
test1.txt
。然后使用不带参数的
String#split
对所有空格进行分割。
因为这是一项作业，所以我不会尝试回答您应该如何进行分割；你应该自己解决

我要做的是向您展示您应该如何写下您已经完成的内容，并为您指出一个方向：

require 'nokogiri'

doc = Nokogiri::HTML(File.read("EMAILS/REG/Membership.htm"))

# What ever is passed from elements to the newFile is being put into the new
# array however the euro sign doesn't appear correctly
elements = doc.xpath("//p").text

File.write("test1.txt", elements)

print "\n\tRetrieving test1.txt...\n\n"

# I want to open the file again and print the lines to the screen
word_hash = {}
File.open("test1.txt", "r:UTF-8").each_line do |line|
  line.split(' ').each do |word|
    puts "#{word}"
    #word_hash[word] = gets.chomp.split(' ')
  end
end

Ruby的许多IO方法和文件继承方法都可以利用块，当块退出时，块会自动关闭流。使用该功能，因为在整个应用程序运行期间保持文件处于打开状态并不好

array\u of_words={}
没有定义数组，它是一个散列

#单词数组[word]=get.chomp.split（“”）
不起作用，因为
get
要从哪里读取。默认情况下，它是STDIN，即控制台，即键盘。此时您已经有了
word
，所以请使用它

但是想想看，你基本上是在为一个。您需要计算单词出现的次数，因此仅将单词分配给哈希值并不能得到您想要知道的内容，您需要知道特定单词被看到的次数。Stack Overflow回答了很多关于如何计算在字符串中找到的单词数量的问题，所以请搜索这些问题。
我还查看了单词的频率。我实际上有3个独立的文件。像这样的词的频率？对你需要做的事情有点复杂，在这一点上对你来说太高级了，但它与单词时态和同义词以及如何找到单词的词根有关。单数/复数拼写可能会扭曲/愚弄单词的出现次数，因此为了准确性，您需要能够解决这些差异。在问题1中，“获取一些文本文件”意味着它的简单版本，比如手工获取（如果你想，你可以将它们加载或刮取）；但简单的解决方案是将它们直接在程序中表示为字符串，然后处理它们。“啊。我刚刚在我们在线资源的新闻部分从讲师那里找到了这条评论…“第一步：阅读所有说明。”这是新闻论坛中除说明之外的一条附加说明。我希望他在最初的指示中说了这句话。但我仍然要处理这个问题，而不是将字符串放在文件中。
require 'nokogiri'

doc = Nokogiri::HTML(File.read("EMAILS/REG/Membership.htm"))

# What ever is passed from elements to the newFile is being put into the new
# array however the euro sign doesn't appear correctly
elements = doc.xpath("//p").text

File.write("test1.txt", elements)

print "\n\tRetrieving test1.txt...\n\n"

# I want to open the file again and print the lines to the screen
word_hash = {}
File.open("test1.txt", "r:UTF-8").each_line do |line|
  line.split(' ').each do |word|
    puts "#{word}"
    #word_hash[word] = gets.chomp.split(' ')
  end
end