Python 2.7 - 使用字典从文本文件中查找并替换为新的文本文件

Question

我是编程新手，这几个月一直在业余时间研究python。我决定尝试创建一个小脚本，将文本文件中的美式拼写转换为英语拼写。

在过去的 5 个小时里，我一直在尝试各种各样的事情，但最终想出了一些让我更接近目标的方法，但还差得远!

#imported dictionary contains 1800 english:american spelling key:value pairs. 
from english_american_dictionary import dict


def replace_all(text, dict):
    for english, american in dict.iteritems():
        text = text.replace(american, english)
    return text


my_text = open('test_file.txt', 'r')

for line in my_text:
    new_line = replace_all(line, dict)
    output = open('output_test_file.txt', 'a')
    print >> output, new_line

output.close()

我确信有一个更好的方法来处理事情，但是对于这个脚本，这里是我遇到的问题:

• 在输出文件中，行是每隔一行写的，中间有一个换行符，但原始的 test_file.txt 没有这个。此页面底部显示的 test_file.txt 的内容
• 只有一行中美国拼写的第一个实例会转换为英语。
• 我真的不想以追加模式打开输出文件，但无法找出此代码结构中的“r”。

非常感谢这位热切的新手的帮助!

test_file.txt 的内容是:

I am sample file.
I contain an english spelling: colour.
3 american spellings on 1 line: color, analyze, utilize.
1 american spelling on 1 line: familiarize.

Answer 1

您看到的额外空行是因为您正在使用 print 写出一行末尾已经包含换行符的行。因为 print 也写了自己的换行符，所以你的输出变成了双倍行距。一个简单的解决方法是改用 outfile.write(new_line)。

至于文件模式，问题在于您一遍又一遍地打开输出文件。您应该在开始时只打开一次。使用 with 语句来处理打开的文件通常是个好主意，因为它们会在您完成操作后为您关闭它们。

我不理解你的其他问题，只有一些替换发生了。您的字典是否缺少 'analyze' 和 'utilize' 的拼写？

我的一个建议是不要逐行进行替换。您可以使用 file.read() 一次读取整个文件，然后将其作为一个单元进行处理。这可能会更快，因为它不需要经常循环遍历拼写词典中的项目(只需一次，而不是每行一次):

with open('test_file.txt', 'r') as in_file:
    text = in_file.read()

with open('output_test_file.txt', 'w') as out_file:
    out_file.write(replace_all(text, spelling_dict))

编辑:

为了让您的代码正确处理包含其他词的词(例如“entire”包含“tire”)，您可能需要放弃简单的 str.replace 方法，转而使用正则表达式。

这是一个使用 re.sub 的快速拼凑的解决方案，给出了从美国英语到英国英语的拼写变化的字典(也就是说，按照当前字典的相反顺序):

import re

#from english_american_dictionary import ame_to_bre_spellings
ame_to_bre_spellings = {'tire':'tyre', 'color':'colour', 'utilize':'utilise'}

def replacer_factory(spelling_dict):
    def replacer(match):
        word = match.group()
        return spelling_dict.get(word, word)
    return replacer

def ame_to_bre(text):
    pattern = r'\b\w+\b'  # this pattern matches whole words only
    replacer = replacer_factory(ame_to_bre_spellings)
    return re.sub(pattern, replacer, text)

def main():
    #with open('test_file.txt') as in_file:
    #    text = in_file.read()
    text = 'foo color, entire, utilize'

    #with open('output_test_file.txt', 'w') as out_file:
    #    out_file.write(ame_to_bre(text))
    print(ame_to_bre(text))

if __name__ == '__main__':
    main()

这种代码结构的一个好处是，如果您以其他顺序将字典传递给 replacer_factory 函数，您可以轻松地将英式英语拼写转换回美式英语拼写。