八十天环游地球

文本文件“八十天环游地球.txt”是法国作家儒勒. 凡尔纳《八十天环游地球》长篇小说的网络版本，请修改源文件实现以下功能。‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬
问题1:提取章节题目并输出到文件。‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬
要求:在模板中补充代码， 提取“八十天环游地球. txt” 中所有章节的题目，并且将提取后的题目输出到“八十天环游地球-章节. txt"文件中，每行一一个标题，示例如下:‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬
示例‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬
第一章　斐利亚·福克和路路通建立主仆关系
第二章　路路通认为他总算找到了理想的工作
第三章　一场可能使福克先生破财的争论
第四章　斐利亚·福克把路路通吓得目瞪口呆
第五章　伦敦市场上出现了一种新的股票

import re #re库（正则表达式库）是python的标准库，主要用于字符串匹配
f = open("八十天环游地球.txt", 'r',encoding="utf-8")
txt=f.read()
s=re.findall('(第.{1,3}章.*\n)',txt) #re.findall(pattern, string, flags=0)：返回string中所有与pattern相匹配的全部字串，返回形式为列表。其中pattern为正则表达式的字符串或原生字符串表示；string为待匹配字符串；flags为正则表达式使用时的控制标记。这个函数的作用是搜索字符串，以列表类型返回全部能匹配的子串。在该行代码中，pattern='(第.{1,3}章.*)'，其中.表示除换行符外的任何单个字符；{1,3}表示扩展前一个字符1到3次（含3），*表示前一个字符0次或无限次扩展
fo=open("八十天环游地球-章节.txt",'w',encoding="utf-8")
for c in s:
    fo.write(c)
f.close()
fo.close()

问题2:统计每章节的高频词并打印输出。‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬
要求:统计“八十天环游地球. txt”中每一章的标题和内容中，出现次数最多的词语(词语长度不少于2个字符)及其次数，输出格式为章节名、 词语及其出现的次数，以空格分隔，示例如下:‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬
示例‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬
第一章 福克 25
第二章 路路通 17
第三章 福克 26
第四章 福克 27
第五章 福克 31

方法1：
import jieba
import re #re库（正则表达式库）是python的标准库，主要用于字符串匹配 
f=open('八十天环游地球.txt','r',encoding='utf-8')
txt=f.read()
s=re.findall("(第.{1,3}章)",txt)  #re.findall(pattern, string, flags=0)：返回string中所有与pattern相匹配的全部字串，返回形式为列表。其中pattern为正则表达式的字符串或原生字符串表示；string为待匹配字符串；flags为正则表达式使用时的控制标记。这个函数的作用是搜索字符串，以列表类型返回全部能匹配的子串。在该行代码中，pattern='(第.{1,3}章.*)'，其中.表示除换行符外的任何单个字符；{1,3}表示扩展前一个字符1到3次（含3），*表示前一个字符0次或无限次扩展
for c in s:
    txt=txt.replace(c,'$') #该行代码表示用$替换每一章的标题
txt1=txt.split('$')
for i in range(37):
    d={}
    line=jieba.lcut(txt1[i+1]) #txt1第一个元素为空行，所以使用i+1越过它
    for ch in line:
        if len(ch)>=2:
            d[ch]=d.get(ch,0)+1
    ls=list(d.items())
    ls.sort(key=lambda x:x[1], reverse=True)
    print("{} {} {}".format(s[i],ls[0][0],ls[0][1]))
f.close()
方法2：
import jieba
import re  #re库（正则表达式库）是python的标准库，主要用于字符串匹配
strf = '八十天环游地球.txt' 
with open(strf, encoding='utf-8') as f:
    lines = f.read()
    t = re.findall('(第.{1,3}章.*)', lines)  #re.findall(pattern, string, flags=0)：返回string中所有与pattern相匹配的全部字串，返回形式为列表。其中pattern为正则表达式的字符串或原生字符串表示；string为待匹配字符串；flags为正则表达式使用时的控制标记。这个函数的作用是搜索字符串，以列表类型返回全部能匹配的子串。在该行代码中，pattern='(第.{1,3}章.*)'，其中.表示除换行符外的任何单个字符；{1,3}表示扩展前一个字符1到3次（含3），*表示前一个字符0次或无限次扩展
    s = re.sub('(第.{1,3}章.*)', '$', lines)  #re.sub(pattern,repl,string,count=0,flags=0)作用是在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串。其中repl为替换匹配字符串的字符串，count为匹配的最大替换次数。该行代码表示用$替换每一章的标题
    x = s.split('$')
    x = x[1:]  #split()函数在进行分隔时，若字符串首字符即为分隔符，那么分隔后首字符串补位为空字符串
# 计算词频并输出结果。
for i, j in zip(t, x):  # zip()：将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表
    counts = {}
    txt = jieba.lcut(i+j)
    for word in txt:
        if len(word) >= 2:
            counts[word] = counts.get(word, 0) + 1
    li = list(counts.items())
    li.sort(key=lambda x: x[1], reverse=True)
    word_max, count_max = li[0]
    chapter = re.findall('(第.*章)', i)[0]
    print(chapter + ' ' + word_max + ' ' + str(count_max))