def gen_pfdict(self, f):
lfreq = {} #词频字典
ltotal = 0
f_name = resolve_filename(f) #——compat.py中的函数 return f.name ???
#从索引1 开始遍历文件,
"""
词典格式
词 词频 词性
AT&T 3 nz
B超 3 n
c# 3 nz
"""
for lineno, line in enumerate(f, 1):
try:
line = line.strip().decode('utf-8') #每行去首尾空格并解码
word, freq = line.split(' ')[:2] #以空格分割为列表并取前两个元素,词与词频
freq = int(freq)
lfreq[word] = freq #词与词频 组合构成键值对的形式
ltotal += freq #总词数统计
for ch in xrange(len(word)):
wfrag = word[:ch + 1] #每个单词细分割,eg: 你好吗 你-》你好 -》你好吗 你和你好都可以是词前缀
if wfrag not in lfreq: #判断该词中是否含有词前缀
lfreq[wfrag] = 0#不是前缀词 频率赋值0
except ValueError:
raise ValueError(
'invalid dictionary entry in %s at Line %s: %s' % (f_name, lineno, line)) #错误处理 文件 行号 行
f.close()
return lfreq, ltotal #返回词频列表与总词数