python - 将文件中的单词读入集合，维护顺序

Question

这里是 python 脚本中使用的一组 Unicode 单词。

texts =[u"abc", u"pqr", u"mnp"]

脚本在上面的 3 个单词示例中按预期工作。问题是文本文件中有数千个单词。我如何从文本文件中读取？

更新:我有两个问题。输出中不保留文本文件中的单词序列。文本文件具有 unicode 字符，因此在我的原始示例中是“u”。

# cat testfile.txt
Testing this file with Python

# cat test.py
#!/usr/bin/python
# -*- coding: utf-8 -*-

f     = open('testfile.txt', 'r')
texts  = set(f.read().split())
print (texts)

# python test.py
set(['this', 'Python', 'Testing', 'with', 'file'])

Answer 1

我看你的文件读取代码没有问题。考虑到单词出现在由空格分隔的文件中，并且文件不是太大而无法通过单个 read 吞噬，它应该可以正常工作。真正的问题是单词的顺序，如果您将它们塞入集合。

如果您需要单词在文件中出现的顺序相同，为什么要使用 set？只需将它们保存在列表中即可。

如果您需要一个集来删除重复项和/或其他目的，那么您有以下选择:

• 使用 OrderedDict 类 - 自 2.7 以来的 Python 标准，早期版本的食谱在网上存在。
• 创建一个有序集 - 这是一个 SO question with a good discussion of this