用于从字典中检索单词的正则表达式
RegEx for retrieving words from a dictionary
这是我的代码：它在一个字典和另一个字典中查找并计算第一个字典的值的分数。
d_score = {k: [0, 0, 0] for k in d_filtered_words.keys()}
for k, v in d_filtered_words.items():
for word in v:
if word in dico_lexique:
print(word, dico_lexique[word]
d_score[k] = [a + b for a, b in zip(map(int, dico_lexique[word]), d_score[k])]
d_score = {k: list(map(str, v)) for k, v in d_score.items()}
打印结果为：
avoir ['101', '3772', '110']
serrer ['175', '936', '252']
main ['251', '2166', '49']
avoir ['101', '3772', '110']
serrer ['175', '936', '252']
enfant ['928', '1274', '19']
aérien ['354', '769', '39']
affable ['486', '45', '32']
affaire ['46', '496', '104']
agent ['265', '510', '18']
connaître ['448', '293', '29']
rien ['24', '185', '818']
trouver ['387', '198', '31']
être ['225', '328', '44']
emmerder ['0', '23', '493']
rien ['24', '185', '818']
suffire ['420', '35', '56']
mettre ['86', '1299', '67']
multiprise ['314', '71', '0']
abasourdir ['0', '43', '393']
ablation ['75', '99', '353']
abominable ['0', '24', '1170']
être ['225', '328', '44']
seul ['65', '97', '540']
ami ['492', '72', '31']
aimer ['1140', '49', '35']
澄清一下：
dico_lexique 还包含 key_word，例如：
sabot de Vénus>orchidée;294;76;0
imbuvable>boisson;0;0;509
imbuvable>insupportable;0;0;416
accentuer>intensifier;255;89;4
accentuer>mettre un accent;50;29;30
这些是我在查看 dico_lexique
中的键时也想考虑的词
d_score 的结果是：
{'15': ['1731', '12856', '792'], '44': ['3079', '4437', '2549'], '45': ['75', '166', '1916'], '47': ['7721', '3854', '7259']}
您好，请澄清一下，包含元素“>”的单词也是 dico_lexique 的一部分，它们不是来自另一个文件。在 dico_lexique 中，您对一个词有不同的含义，为了区分它，有些词后面跟有“>”。我只查看 dico_lexique 和 d_filtered 并且想考虑 key_word 后跟 '>' 这样当我在 [=37 中看到 'serrer' =]_words ，代码将检索 'serrer' 的值以及单词 "serrer" 后跟“>”的所有值。
d_score = {k: [0, 0, 0] for k in d_filtered_words.keys()}
for k, v in d_filtered_words.items():
for word in v:
regex =????
if word in dico_lexique and if word = re.findall(regex, word)
编辑：更新问题后的新版本。
样本数据现在是：
>>> d_filtered_words = {
... '1': ['avoir', 'main'],
... '2': ['main', 'serrer', 'posséder'],
... }
>>> dico_lexique = {
... 'avoir': ('101', '3772', '110'),
... 'avoir>posséder': ('91', '2724', '108'),
... 'serrer': ('175', '936', '252'),
... 'main': ('251', '2166', '49'),
... }
您必须先处理 dico_lexique 以删除 > 之后的部分并按主词对值进行分组：
>>> values_by_word = {}
>>> for word, values in dico_lexique.items():
... main, *_ = word.split(">")
... values_by_word.setdefault(main, []).append(values)
>>> values_by_word
{'avoir': [('101', '3772', '110'), ('91', '2724', '108')], 'serrer': [('175', '936', '252')], 'main': [('251', '2166', '49')]}
解释：
main, *_ = word.split(">") 保留可选 > 之前的所有内容并忘记其余部分（参见 destructuring assignement）setdefault 创建一个与主词关联的新列表（如果它不存在）并添加值。
现在，同样的逻辑如下：
>>> def merge_values(tuples):
... """Sums columns (with a str->int->str conversion)"""
... return tuple(str(sum(int(v) for v in vs)) for vs in zip(*tuples))
>>> merged_values_by_word = {code:merge_values(tuples) for code, tuples in values_by_word.items()}
>>> merged_values_by_word
{'avoir': ('192', '6496', '218'), 'serrer': ('175', '936', '252'), 'main': ('251', '2166', '49')}
（我将 get_values 重命名为 merge_values 但它是相同的功能。）
您可以将下面的代码与 merged_values_by_word 一起使用，而不是 dico_lexique.
编辑结束：以下旧版本，备案
你混合了两个问题：你的代码做什么（求和与单词或单词族相关的值）和解析文件或字符串。
一些代码审查
让我总结一下：
* 你有 dico_lexique 将一个词映射到三个值（包含整数的字符串）
* 你有 d_filtered_words 将代码（'15'，'44'，......）映射到单词列表。
* 您创建一个字典，将代码映射到 [sum of the value1, sum of the value2, sum of the value2]，用于映射到代码并出现在 dico_lexique.
中的每个单词
首先，如果您总是有三个值，请使用 tuple，而不是 list。我将使用这个自定义示例：
>>> d_filtered_words = {
... '1': ['avoir', 'main'],
... '2': ['main', 'serrer', 'posséder'],
... }
>>> dico_lexique = {
... 'avoir': ('101', '3772', '110'),
... 'serrer': ('175', '936', '252'),
... 'main': ('251', '2166', '49'),
... # no posséder here
... }
其次，构建一个将代码映射到三个值列表的字典：
>>> def get_tuples(words):
... """return the tuples of values for every word in dico_lexique"""
... return [dico_lexique[word] for word in words if word in dico_lexique]
>>> tuples_by_code = {code:get_tuples(words) for code, words in d_filtered_words.items()}
>>> tuples_by_code
{'1': [('101', '3772', '110'), ('251', '2166', '49')], '2': [('251', '2166', '49'), ('175', '936', '252')]}
第三，对数值求和"by column"。有一个简单的方法可以做到：
>>> tuples = [(1,2,3), (4,5,6)]
>>> tuple(zip(*tuples))
((1, 4), (2, 5), (3, 6))
>>> tuple(map(sum, zip(*tuples)))
(5, 7, 9)
zip 函数将对每个元组的第一个元素进行分组，然后对每个元组的第二个元素进行分组，然后......：你得到 "columns" 并且只需要对它们求和。在你的情况下：
>>> def get_values(tuples):
... """Sums columns (with a str->int->str conversion)"""
... return tuple(str(sum(int(v) for v in vs)) for vs in zip(*tuples))
>>> values_by_code = {code:get_values(tuples) for code, tuples in tuples_by_code.items()}
>>> values_by_code
{'1': ('352', '5938', '159'), '2': ('426', '3102', '301')}
你的问题
现在你的问题。假设我有一个包含替代形式的文本文件：
>>> text = """avoir>posséder
... voilé>dissimulé
... voilé>caché"""
您必须解析该文件并拆分 > 上的每一行以构建字典 alternative -> main:
>>> main_by_alternative = {a: m for line in text.split("\n") for m, a in [line.split(">")]}
>>> main_by_alternative
{'posséder': 'avoir', 'dissimulé': 'voilé', 'caché': 'voilé'}
关键思想是拆分字符 > 上的行以获得列表中的主要形式和替代形式。 for m, a in [line.split(">")] 是在听写理解中使用 m, a = line.split(">") 的技巧。现在，回到 get_tuples:
>>> def get_tuples(words):
... """return the tuples of values for every word in dico_lexique"""
... return [dico_lexique[main_by_alternative.get(word, word)] for word in words if main_by_alternative.get(word, word) in dico_lexique]
有什么新鲜事？看：main_by_alternative.get(word, word)。如果它退出，它只是获取主要形式，否则获取单词本身。
>>> {code:get_tuples(words) for code, words in d_filtered_words.items()}
{'1': [('101', '3772', '110'), ('251', '2166', '49')], '2': [('251', '2166', '49'), ('175', '936', '252'), ('101', '3772', '110')]}
代码 2 现在映射到三个词：'main'、'serrer'、'avoir'（通过 'posséder'）。
希望对您有所帮助。我使用了很多 dict/list 理解来使它简短，但如果你需要，请毫不犹豫地将代码扩展为常规循环。
这是我的代码：它在一个字典和另一个字典中查找并计算第一个字典的值的分数。
d_score = {k: [0, 0, 0] for k in d_filtered_words.keys()}
for k, v in d_filtered_words.items():
for word in v:
if word in dico_lexique:
print(word, dico_lexique[word]
d_score[k] = [a + b for a, b in zip(map(int, dico_lexique[word]), d_score[k])]
d_score = {k: list(map(str, v)) for k, v in d_score.items()}
打印结果为：
avoir ['101', '3772', '110']
serrer ['175', '936', '252']
main ['251', '2166', '49']
avoir ['101', '3772', '110']
serrer ['175', '936', '252']
enfant ['928', '1274', '19']
aérien ['354', '769', '39']
affable ['486', '45', '32']
affaire ['46', '496', '104']
agent ['265', '510', '18']
connaître ['448', '293', '29']
rien ['24', '185', '818']
trouver ['387', '198', '31']
être ['225', '328', '44']
emmerder ['0', '23', '493']
rien ['24', '185', '818']
suffire ['420', '35', '56']
mettre ['86', '1299', '67']
multiprise ['314', '71', '0']
abasourdir ['0', '43', '393']
ablation ['75', '99', '353']
abominable ['0', '24', '1170']
être ['225', '328', '44']
seul ['65', '97', '540']
ami ['492', '72', '31']
aimer ['1140', '49', '35']
澄清一下： dico_lexique 还包含 key_word，例如：
sabot de Vénus>orchidée;294;76;0
imbuvable>boisson;0;0;509
imbuvable>insupportable;0;0;416
accentuer>intensifier;255;89;4
accentuer>mettre un accent;50;29;30
这些是我在查看 dico_lexique
中的键时也想考虑的词d_score 的结果是：
{'15': ['1731', '12856', '792'], '44': ['3079', '4437', '2549'], '45': ['75', '166', '1916'], '47': ['7721', '3854', '7259']}
您好，请澄清一下，包含元素“>”的单词也是 dico_lexique 的一部分，它们不是来自另一个文件。在 dico_lexique 中，您对一个词有不同的含义，为了区分它，有些词后面跟有“>”。我只查看 dico_lexique 和 d_filtered 并且想考虑 key_word 后跟 '>' 这样当我在 [=37 中看到 'serrer' =]_words ，代码将检索 'serrer' 的值以及单词 "serrer" 后跟“>”的所有值。
d_score = {k: [0, 0, 0] for k in d_filtered_words.keys()}
for k, v in d_filtered_words.items():
for word in v:
regex =????
if word in dico_lexique and if word = re.findall(regex, word)
编辑：更新问题后的新版本。
样本数据现在是：
>>> d_filtered_words = {
... '1': ['avoir', 'main'],
... '2': ['main', 'serrer', 'posséder'],
... }
>>> dico_lexique = {
... 'avoir': ('101', '3772', '110'),
... 'avoir>posséder': ('91', '2724', '108'),
... 'serrer': ('175', '936', '252'),
... 'main': ('251', '2166', '49'),
... }
您必须先处理 dico_lexique 以删除 > 之后的部分并按主词对值进行分组：
>>> values_by_word = {}
>>> for word, values in dico_lexique.items():
... main, *_ = word.split(">")
... values_by_word.setdefault(main, []).append(values)
>>> values_by_word
{'avoir': [('101', '3772', '110'), ('91', '2724', '108')], 'serrer': [('175', '936', '252')], 'main': [('251', '2166', '49')]}
解释：
main, *_ = word.split(">")保留可选>之前的所有内容并忘记其余部分（参见 destructuring assignement）setdefault创建一个与主词关联的新列表（如果它不存在）并添加值。
现在，同样的逻辑如下：
>>> def merge_values(tuples):
... """Sums columns (with a str->int->str conversion)"""
... return tuple(str(sum(int(v) for v in vs)) for vs in zip(*tuples))
>>> merged_values_by_word = {code:merge_values(tuples) for code, tuples in values_by_word.items()}
>>> merged_values_by_word
{'avoir': ('192', '6496', '218'), 'serrer': ('175', '936', '252'), 'main': ('251', '2166', '49')}
（我将 get_values 重命名为 merge_values 但它是相同的功能。）
您可以将下面的代码与 merged_values_by_word 一起使用，而不是 dico_lexique.
编辑结束：以下旧版本，备案
你混合了两个问题：你的代码做什么（求和与单词或单词族相关的值）和解析文件或字符串。
一些代码审查
让我总结一下：
* 你有 dico_lexique 将一个词映射到三个值（包含整数的字符串）
* 你有 d_filtered_words 将代码（'15'，'44'，......）映射到单词列表。
* 您创建一个字典，将代码映射到 [sum of the value1, sum of the value2, sum of the value2]，用于映射到代码并出现在 dico_lexique.
首先，如果您总是有三个值，请使用 tuple，而不是 list。我将使用这个自定义示例：
>>> d_filtered_words = {
... '1': ['avoir', 'main'],
... '2': ['main', 'serrer', 'posséder'],
... }
>>> dico_lexique = {
... 'avoir': ('101', '3772', '110'),
... 'serrer': ('175', '936', '252'),
... 'main': ('251', '2166', '49'),
... # no posséder here
... }
其次，构建一个将代码映射到三个值列表的字典：
>>> def get_tuples(words):
... """return the tuples of values for every word in dico_lexique"""
... return [dico_lexique[word] for word in words if word in dico_lexique]
>>> tuples_by_code = {code:get_tuples(words) for code, words in d_filtered_words.items()}
>>> tuples_by_code
{'1': [('101', '3772', '110'), ('251', '2166', '49')], '2': [('251', '2166', '49'), ('175', '936', '252')]}
第三，对数值求和"by column"。有一个简单的方法可以做到：
>>> tuples = [(1,2,3), (4,5,6)]
>>> tuple(zip(*tuples))
((1, 4), (2, 5), (3, 6))
>>> tuple(map(sum, zip(*tuples)))
(5, 7, 9)
zip 函数将对每个元组的第一个元素进行分组，然后对每个元组的第二个元素进行分组，然后......：你得到 "columns" 并且只需要对它们求和。在你的情况下：
>>> def get_values(tuples):
... """Sums columns (with a str->int->str conversion)"""
... return tuple(str(sum(int(v) for v in vs)) for vs in zip(*tuples))
>>> values_by_code = {code:get_values(tuples) for code, tuples in tuples_by_code.items()}
>>> values_by_code
{'1': ('352', '5938', '159'), '2': ('426', '3102', '301')}
你的问题
现在你的问题。假设我有一个包含替代形式的文本文件：
>>> text = """avoir>posséder
... voilé>dissimulé
... voilé>caché"""
您必须解析该文件并拆分 > 上的每一行以构建字典 alternative -> main:
>>> main_by_alternative = {a: m for line in text.split("\n") for m, a in [line.split(">")]}
>>> main_by_alternative
{'posséder': 'avoir', 'dissimulé': 'voilé', 'caché': 'voilé'}
关键思想是拆分字符 > 上的行以获得列表中的主要形式和替代形式。 for m, a in [line.split(">")] 是在听写理解中使用 m, a = line.split(">") 的技巧。现在，回到 get_tuples:
>>> def get_tuples(words):
... """return the tuples of values for every word in dico_lexique"""
... return [dico_lexique[main_by_alternative.get(word, word)] for word in words if main_by_alternative.get(word, word) in dico_lexique]
有什么新鲜事？看：main_by_alternative.get(word, word)。如果它退出，它只是获取主要形式，否则获取单词本身。
>>> {code:get_tuples(words) for code, words in d_filtered_words.items()}
{'1': [('101', '3772', '110'), ('251', '2166', '49')], '2': [('251', '2166', '49'), ('175', '936', '252'), ('101', '3772', '110')]}
代码 2 现在映射到三个词：'main'、'serrer'、'avoir'（通过 'posséder'）。
希望对您有所帮助。我使用了很多 dict/list 理解来使它简短，但如果你需要，请毫不犹豫地将代码扩展为常规循环。