4

Eu gostaria de contar quantas vezes uma lista de palavras (arquivo1) aparece em outra lista de palavras (arquivo2)

with open("corpus.txt", "r") as f1, open("lexico.txt", "r") as f2:
    file1 = f1.read()
    file2 = f2.read()

    corpus1 = file1.split(" ")

    for word in file2:
        print(word, corpus1.count(word))

Arquivo corpus.txt (arquivo2)

Tenho medo de procurar outras opções pela qualidade da luz é bastante recomendável luz muito branca, mas a duração de tudo oposta eu durou menos de meses as duas lâmpadas e que eu as colocava na luz de assistência. A luz que eu quero é mais pálida mas bastante forte para iluminar a sala.

Arquivo lexico.txt (arquivo1)

é

mas

luz

Resultado

é 2

0

m 0

a 2

s 0

0

l 0

u 0

z 0

0

2
  • 1
    Em lexico.txt as palavras estão separadas por "\n" (quebra de linha), sempre? Ou seja, uma palavra por linha?
    – Miguel
    Commented 26/09/2017 às 11:14
  • Sempre separadas por uma quebra de linha! Eu tentei fazer um corpus2 = file2.split(" \n") mas não funcionou.
    – ladybug
    Commented 26/09/2017 às 11:20

1 Resposta 1

7

Podes fazer o seguinte:

count = {}

with open('corpus.txt') as f1, open('lexico.txt') as f2:
    corpus = f1.read().split() # texto
    for word in f2: # palavras a quantificar no texto
        w_strp = word.strip() # retirar quebras de linha
        if w_strp != '' and w_strp not in count: # se ja a adicionamos nao vale a pena faze-lo outra vez
            count[w_strp] = corpus.count(w_strp)
print(count) # {'mas': 2, 'é': 2, 'luz': 4}

Ou neste caso:

count = {}

with open('corpus.txt') as f1, open('lexico.txt') as f2:
    corpus = f1.read().split()
    lexico = set(word.strip() for word in f2 if word.strip() != '') # set() para evitar palavras repetidas

count = {l_word: corpus.count(l_word) for l_word in lexico}
print(count) # {'mas': 2, 'é': 2, 'luz': 4}

Se tiveres a certeza que não palavras repetidas em lexico.txt, podes só:

...
lexico = [word.strip() for word in f2 if word.strip() != '']
...

Ou até:

count = {}

with open('temp/corpus.txt') as f1, open('temp/lexico.txt') as f2:
    corpus = f1.read().split()
    count = {l_word: corpus.count(l_word) for l_word in (word.strip() for word in f2 if word.strip() != '')}

print(count) # {'mas': 2, 'é': 2, 'luz': 4}
3
  • Obrigada Miguel!!! Funciona perfeitamente! Desculpe te incomodar, mas porque "not in count"? Nao deveríamos adicionar todas as entradas mesmo que repetidas para depois fazer a contagem?
    – ladybug
    Commented 26/09/2017 às 11:44
  • 1
    @pitanga porque basta contar uma vez o número de ocorrências para cada palavra. Lembra-te que corpus.count(w_strp) já vai contar as ocorrências todas da primeira vez, escusamos de conta-las outra vez para a mesma palavra caso haja palavras repetidas em lexico.txt. Se tiveres a certeza que em lexico.txt não há palavras repetidas podes retirar essa condição, mantendo apenas: if w_strp != '':
    – Miguel
    Commented 26/09/2017 às 11:55
  • 1
    @pitanga, reparei num bug no meu código de ontem. Falhava por exemplo quando em corpus.txt havia por ex: "mas é Adamastor", {'é': 1, 'mas': 2}, porque contava também o "mas" em "Adamastor". Acrescenta split() em corpus = f1.read(), para que se divida o corpus.txt por palavras também. Editei a resposta
    – Miguel
    Commented 27/09/2017 às 8:20

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .