这是我大学的一项工作,我必须使用Python 2.7.10对基本搜索引擎进行编程。
我的搜索引擎需要查看计算机上文件夹中的文档集合,打开它们,去除标点符号,将所有内容都转换为小写,并为文档中的每个标记创建一个反向索引。索引将被存储为字典,其中键作为令牌,值存储在包含令牌的文档列表中。示例:在文档1,文档2和文档5中找到标记“æble”。然后,用户应该只能键入一个单词,然后程序应获取包含该单词的文档列表。
我使用os,编解码器和sys模块。
首先,我想定义我的功能。我从定义程序将用来打开文档并同时使其小写的功能开始。稍后将在该程序中通过raw_input指定路径。
def open_doc(path):
docfile = codecs.open(path, 'r', encoding='utf-8')
doclist = docfile.read().lower().split()
docfile.close()
return doclist
然后,我可以使用功能对单个单词进行标记化,然后将其应用于用户查询。
def tokenize(word):
tokenword = word.strip(',.-?!=()')
return tokenword
现在,更多的标记化。在这里,我尝试将我的标记化功能附加到将包含不同文档的字典中。
def tokedict(dict):
tokenizeddict = {}
for key in dict:
tokenizeddict[key] = []
for item in dict[key]:
tokenizeddict[key].append(tokenize(item))
return tokenizeddict
现在,我有了一个应该反转索引的函数。值将被转换为键,而键将被转换为值。
def invert_dict(d):
inverse = dict()
for key in d:
val = d[key]
if val not in inverse:
inverse[val] = [key]
else:
inverse[val].append(key)
return inverse
我认为这按预期工作。
因此,这是我的主程序必须调用的主要功能。当用户打开程序时,将提示用户选择到存储文档的文件夹的路径,以定义名为“ path”的变量。
path = raw_input('please specify the path to the folder you would like to search in: ')
然后,程序将为使用上述函数创建的索引创建字典。
一,空索引
index = dict()
然后该函数使用来自所选路径的文档填充索引。
for document in os.listdir(path):
index[str(document)] = open_doc(path+document)
基本上,这就是我到目前为止的工作。我有点喜欢这个程序。我有搜索功能,由于某种原因,它甚至无法正常工作。
内容如下:
def User_search():
searchword = raw_input('Please type 1 word to search for: ')
searchword = searchword.lower()
searchword = searchword.strip(',.!?()=')
return searchword
因此,我现在的最后一个问题是:我如何连接这些零件并最终得到一个可以执行以下功能的程序:
通过用户Tokenize给定的路径扫描文件夹,并使文件夹中的文档内容小写-生成反向索引-让用户首先选择文件夹的路径;然后让用户输入搜索词-以正确的顺序调用函数-给出包含(包含某种形式的)包含搜索词的文档列表的结果。
我想最后一个功能将是这样的:
for key in inverse:
if searchword in key
print 'Your searchword' + searchword + 'has been found in the following documents' + value
if searchword not in key
print 'no documents have been found containing your searchword'
但这只是一个想法。
我期待收到任何形式的帮助。我花了一个多小时才输入这个问题,所以我希望对您来说很容易理解。如果没有,我将尽力澄清。
最亲切的问候
您的语法错误在这里:
tokenizeddict[key].append(tokenize(item)
是因为末尾缺少括号。应该:
tokenizeddict[key].append(tokenize(item))
另外,“ dict”是python类型,而不是适当的变量名-我一定会重命名。
您正builtin_function_or_method has no attribute 'strip'
因为如此:
searchword = searchword.lower
您只是在访问方法,而不是实际调用它。您想做:
searchword = searchword.lower()
我希望这有帮助。仅供参考,将来将其分解为有关特定错误的单个问题会更合适。解决这些错误后,如果您想从整体上讨论程序,请查看CodeReview。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句