String 是否使用文件中的下一个单词更新词典值？

我想读取一个文件并创建一个字典，每个单词作为关键字，后面的单词作为值

例如，如果我有一个包含以下内容的文件：

'Cake is cake okay.'

创建的词典应包含：

{'cake': ['is', 'okay'], 'is': ['cake'], 'okay': []}

到目前为止，我已经设法用我的代码做了相反的事情。我已经用文件中的上一个单词更新了字典值。我不太确定如何改变它，以使其按预期工作

def create_dict(file):

    word_dict = {}
    prev_word = ''

    for line in file:

        for word in line.lower().split():
            clean_word = word.strip(string.punctuation)

            if clean_word not in word_dict:
                word_dict[clean_word] = []

            word_dict[clean_word].append(prev_word)
            prev_word = clean_word

提前感谢你们的帮助

编辑

最新进展：

def create_dict(file):
    word_dict = {}
    next_word = ''

    for line in file:
        formatted_line = line.lower().split()

        for word in formatted_line:
            clean_word = word.strip(string.punctuation)

            if next_word != '':
                if next_word not in word_dict:
                    word_dict[next_word] = []

            if clean_word == '':
                clean_word.

            next_word = clean_word
    return word_dict

对于较短的解决方案，您可以使用和：

import io
from itertools import zip_longest  # izip_longest in Python 2
import string

def create_dict(fobj):
    word_dict = {}
    punc = string.punctuation
    for line in fobj:
        clean_words = [word.strip(punc) for word in line.lower().split()]
        for word, next_word in zip_longest(clean_words, clean_words[1:]):
            words = word_dict.setdefault(word, [])
            if next_word is not None:
                words.append(next_word)
    return word_dict

测试它：

>>> fobj = io.StringIO("""Cake is cake okay.""")
>>> create_dict(fobj)
{'cake': ['is', 'okay'], 'is': ['cake'], 'okay': []}

---

将从给定文件生成单词的代码（空格拆分、大小写折叠、标点符号剥离等）与创建二元词典的代码（本问题的主题）分开：

看。为了在一个文件中支持少于两个单词，代码需要稍作调整。如果需要确切的类型，可以在此处调用

return dict（bigrams）

。例如：

>>> create_bigram_dict('cake is cake okay'.split())
defaultdict(list, {'cake': ['is', 'okay'], 'is': ['cake']}

要从文件创建dict，可以定义

get\u words（文件）

：

用法：

create\u bigram\u dict（获取单词（打开（'filename'））

---

。代码可能会在单词内保留标点符号，例如：

>>> import regex as re
>>> re.fullmatch(r'\p{P}*(.*?)\p{P}*', "doesn't.").group(1)
"doesn't"

注意：末尾的点已消失，但内部保留了

“

。要删除所有标点符号，可以使用：

>>> re.sub(r'\p{P}+', '', "doesn't.")
'doesnt'

注意：单引号也不见了

>>> import regex as re
>>> re.fullmatch(r'\p{P}*(.*?)\p{P}*', "doesn't.").group(1)
"doesn't"

>>> re.sub(r'\p{P}+', '', "doesn't.")
'doesnt'