7.10 字典与集合

字典

1.创建字典

使用{}创建字典
使用：指明 键：值 对
使用逗号(,)分隔每对键值

my_dict={'John':45612,'Bob':454}

• 键必须是不可变的且不重复，只可以是任意类型

2.访问字典

使用[]运算符，键作为索引

print my_dict['Bob']

增加一个新的对

my_dict['Tom']=6565

• 在字典里键值对是无序的

3.字典运算符和方法

1. len()
   字典中键—值对的数量

len(my_dict)

2. in
   快速判断key是否为字典中的键：O（1）

• 等价于my_dict.has.key(key)

3. for ··· in my_dict
   枚举字典中的键，仍然是无序的
4. 枚举字典中的键-对

for word,freq in my dict.items():
	pass

6. my_dict.items()
   返回全部的键-值对：以列表的形式
   每一个元素是一个元组
7. my_dict.keys()
   返回全部的键：以列表的形式
8. my_dict.values()
   返回全部的值：以列表的形式
9. my_dict.clear()
   清空字典

4.翻转字典

以原来的值作为键，以原来的键作为值

• 一个值可能对应多个键
• 用列表来存储原来多个键
  建立字典的值列表：强制爱

d1={'Zhang':123,'Wang':456,'Li':123}
d2={}

for name,room in d1.items():
	if room in d2:
		d2[room[.append(name)
	else:
		d2[room]=[name]
print d2

集合

1.定义：无序不重复元素（键）集，和字典类似，但是无‘值’
2.创建

法1. x=set()
法2. x={key1,key2,```}

3.添加

x.add('body')

4.删除

x.remove('body')

5.集合的运算符

中文分词

1.加载词典，返回词典集合与最长的那次的长度

def load_dic(filename):#filename:文件名
	f=open(filename)
	word_dic=set()
	max_length=1
	for line in f:#其中每一行存在这每一个单词
	word=unicode(line.strip(),'uth-8')#读入的字典以utf-8格式存储
	#使用unicode将utf-8存储的单词转化为unicode存储：长度固定
		word_dic.add(word)
		if len(word)>max_length:
			max_length=len(word)
	return max_length,word_dic

def fmm_word_seg（sent,max_len,word_dict):#sent:句子
	begin()=0
	words=[]#存储最终分出来的词
	#假设输入句子仍然是utf-8格式
	sent=unicode(sent,'utf-8')
	while begin<len(sent):
		for end in range(begin+max_len,begin-1):
			if sent[begin:end] in word_dict:
				words.append(sent[begin:end])
				break
		begin=end
	return words
	

max-len,word_dict=load_dict('lexicon.dic')
sent=raw_input('Input a sentence:')
words= fmm_word_seg(sent,max_len,word_dict)
for word in words:
	print word