python_小程序之分析出高中词汇跟四级词汇单词跟短语的相似度！_高考词组和四级词组是一样的吗-优快云博客

本文链接：https://blog.youkuaiyun.com/lujiangyang123/article/details/103438590

这是我在百度文库下载的两个文档，一个是高中词汇文档，一个是四级词汇文档。我将文档中的单词与短语过滤出来，并进行去重，经过对比得出相似度！！！

精髓代码如下（仅供参考）：

from docx import Document
x = 1
able = []
ablex = []
def input(doc):
    global x
    gg = 0
    able1 = []
    yes = []
    add = 0
    ll = ""
    for i in range(0, len(doc.paragraphs)):
        b = (doc.paragraphs[i].text).split()
        p = 0
        o = 0
        for j in range(0, len(b)):
            k = b[j]
            for n in range(0, len(k)):
                if ("a" <= k[n] <= "z" or "A" <= k[n] <= "Z" or k[n] == "/"):
                    add += 1
            if (add == len(k) and add > 1):
                able1.append(k)
                add = 0
                yes.append(p)
            else:
                add = 0
            p += 1
        yes.append(-1)
        for i in range(len(yes) - 1):
            if (yes[i] + 1 == yes[i + 1]):
                ll = ll + able1[o] + " "
                o += 1
            else:
                ll = ll + able1[o]
                o += 1
                if(x==1):
                    able.append(ll)
                else:
                    ablex.append(ll)
                ll = ""
        yes.clear()
        able1.clear()
        o = 0
    if(x==2):
        ableupdata1 = []
        ableupdata2 = []
        for i in able:
            if i not in ableupdata1:
                ableupdata1.append(i)
        for i in ablex:
            if i not in ableupdata2:
                ableupdata2.append(i)
        for i in range(0, len(ableupdata1)):
            for j in range(0, len(ableupdata2)):
                if (ableupdata1[i] ==ableupdata2[j]):
                    gg += 1
        print("提取加过滤前的四级词汇有%d个单词或短语" % len(able))
        print("提取加过滤前的高考词汇有%d个单词或短语" % len(ablex))
        print("提取加过滤后的四级词汇有%d个单词或短语"%len(ableupdata1))
        print("提取加过滤后的高考词汇有%d个单词或短语"%len(ableupdata2))
        print("提取的四级单词或短语:")
        print(ableupdata1)
        print("提取的高考单词或短语:")
        print(ableupdata2)
        print("%d个元素相等" %gg)
        print("检测到四级词汇和高考词汇的相似度为：%.2f%%"%((gg/len(ableupdata1))*100))
        print("执行结束")
    else:
        x += 1
def main():
    print("程序开始执行")
    doc = Document('B:\\english\\四级词汇.docx')
    input(doc)
    doc = Document('B:\\english\\高中词汇.docx')
    input(doc)
    print("程序执行完毕")
if __name__ == '__main__':
    main()

运行结果：
在这里插入图片描述

觉得这个代码很不错，分享一下！！！

很多人会想，你是怎么辨别单词跟短语的？？？
只要能解决这个问题，那么辨别单词跟短语这个问题就迎刃而解！

问题：有这么两个列表，一个是全是数字，一个全是单词，如何根据全是数字列表的相邻数字是否有连续性，通过模仿来拼接另一个列表的字符串呢？
举个例子：
比如，这有个列表[“my”,“name”,“is”,“xizi”,“and”,“my”,“family”,“good”]如何根据number=[1,2,3,0,4,7,8,9]中的相邻数字是否有连续性，生成一个新的列表[‘my name is’, ‘xizi’, ‘and’, ‘my family good’]！

精髓代码如下（仅供参考）：

able1=[]
able=["my","name","is","xizi","and","my","family","good"]
number=[1,2,3,0,4,7,8,9]
ll=""
o=0
number.append(-99)
for i in range(len(number) - 1):
    if (number[i] + 1 == number[i + 1]):
        ll = ll + able[o] + " "
        o += 1
    else:
        ll = ll + able[o]
        o += 1
        able1.append(ll)
        ll = ""
print(able1)

#运行结果：
#['my name is', 'xizi', 'and', 'my family good']