文本处理python

文本处理

1.任务要求

​ 1.有一个文本文件sample.txt，其内容包含小写字母和大写字母。请将该文件复制到另一文件sample_copytxt，并将原文件中的小写字母全部转换为大写字母，其余格式均不变。

​ 2.统计上述转换后的文本26个大写字母的个数，按个数从大到小排序，并绘制条形图。

2.系统设计

1.首先需要对文件进行复制，导入shutil模块，使用其中的copyfileobj函数对文件进行复制；然后将原文件中的小写字母转为大写字母，这里使用两个变量，一个为字符串类型的空变量lineupdate，一个为列表类型的空变量lsupdate，lineupdate用于暂时存储每次转换后的一行文本，添加到lsupdate列表中，添加完毕后，将lineupdate置空，继续循环处理下一行文本，通过seek(0)将指针指向文本头部,writelines()将列表写入文件。这样就将文本中所有的文本转换为大写字母。再次返回到文件头部，通过read()方法将所有含有大写字母的文件赋值给text变量。

2.要统计26个字母的个数，将text转变为一个字典dict_text，其中键为字母的类型，值为字母的个数(),通过集合set()去除重复的字母，通过count()函数计算字符串中对应字母的数量，然后通过sorted()函数对字典进行排序，设置函数里面的key参数使得字典按照字典的值进行排序，reverse设置为True使得字典从大到小排序。

3.绘制条形图，将字典中的键作为坐标轴的横轴，字典的键作为坐标轴的纵轴，使用plt.text命令在条形图上标注字母的个数。

相关函数：

1. file_copy()函数

作用：实现对文件的复制

参数：sourcefile copyfile，其中sourcefile为原文件名，copyfile为复制文件的文件名。

2. file_alpha_lower_to_upper()函数

作用：将文件中的小写字母转换为大写字母，然后返回读取大写字母文件

参数：sourcefile，其中sourcefile为原文件名。

3. count_sort_alpha()函数

作用：将输入的字符串以字典的形式输出，其中字典按照字符串里字母的个数的大小进行排序

参数：text,其中text为字符串

4. show_graph()函数

作用：根据字典中的键值对绘制条形图，其中条形图横轴为字典的键，纵轴为字典的值，同时将字典的值置于条形图的上面。

参数：dict_text，其中dict_text为一个字典

5. start()函数

作用：将函数放入到该函数中，如果调用则统一执行。

参数：sourcefile copyfile，其中sourcefile为原文件名，copyfile为复制文件的文件名。

3.系统实现与运行结果

1.小写字母转换为大写字母的文件(如图1)

图1 小写字母转换为大写字母的结果

2 .复制之后的文件(如图2)

图2 复制之后的文件

3.文本文件中对应字母类型的文件(如图3)

图3 文本文件中对应字母类型的文件

4.代码展示

次文件

import matplotlib.pyplot as plt
import shutil


class Solution:
    def file_copy(self, sourcefile, copyfile):
        f1 = open(sourcefile, 'r+', encoding='utf-8')
        f2 = open(copyfile, 'w', encoding='utf-8')
        shutil.copyfileobj(f1, f2)

    def file_alpha_lower_to_upper(self, sourcefile):
        f1 = open(sourcefile, 'r+', encoding='utf-8')
        ls = f1.readlines()  # 此时读取指针已到了文本末尾  读取出来是一个列表
        lineupdate = str()
        lsupdate = list()

        for line in ls:
            for i in line:
                if i.islower():  # 判断一个字符是否是小写字母
                    i = i.upper()

                lineupdate += i  # 生成新的字符串
            lsupdate.append(lineupdate)  # 将新生成的字符串追加到列表中
            lineupdate = ''  # 清空lineupdate的内容

        f1.seek(0)  # 将指针移动到文本头部
        f1.writelines(lsupdate)  # 将列表写入文本中，此时指针已经移动到文本末尾

        f1.seek(0)
        text = f1.read()
        f1.close()
        return text

    def count_sort_alpha(self, text):
        dict_text = dict([(x, text.count(x)) for x in set(text) if str(x).isalpha()])
        dict_text = dict(sorted(dict_text.items(),
        key=lambda dict_text: (dict_text[1], dict_text[0]), reverse=True))
        return dict_text

    def show_graph(self, dict_text):
        plt.rcParams['axes.unicode_minus'] = False
        plt.rcParams['font.family'] = 'FangSong'

        X = dict_text.keys()
        Y = dict_text.values()

        plt.tick_params(labelsize=13)  # 设置坐标轴上的刻度的标签字体大小
        plt.xlabel('字母类型')
        plt.ylabel('字母个数(个)')
        plt.title('文本文件中对应字母类型及个数')
        # plt.ylim([0, 100])
        # 绘图
        plt.bar(X, Y)
        #plt.grid()
        for x, y in zip(X, Y):
            plt.text(x, y + 0.5, y, ha='center', fontsize=13)

        plt.show()

    def start(self, sourcefile, copyfile):
        self.file_copy(sourcefile, copyfile)
        text = self.file_alpha_lower_to_upper(sourcefile)
        dict_text = self.count_sort_alpha(text)
        self.show_graph(dict_text)

主文件

from task.file.file import Solution
my_solution = Solution()
sourcefile = input('Please input the sourcefile:')
copyfile = input('Please input the copyfile:')
my_solution.start(sourcefile, copyfile)
y_solution = Solution()
sourcefile = input('Please input the sourcefile:')
copyfile = input('Please input the copyfile:')
my_solution.start(sourcefile, copyfile)