|
Mostrar Mensajes
|
Páginas: [1]
|
3
|
Programación / Scripting / Obtener el porcentaje de oraciones con 1 palabra, 2 palabras, 3 palabras, etc.
|
en: 1 Noviembre 2015, 21:13 pm
|
[Python] [Python] [Python] [Python] [Python] [Python]
Hola a todos,
Debo obtener el porcentaje de oraciones con 1 palabra, 2 palabras, etc. en español y francés a partir de algunos libros obtenidos de gutenber.org. Aún no sé cómo llegar a definir el diccionario para que me muestre en el resultado final algo como esto:
{ "español": {1:0.05, 2:0.10, 3:0.15, 4:0.20, 5:0.22, ... }, "francés": {1:0.03, 2:0.14, 3:0.11, 4:0.18, 5:0.29, ... }, "italiano": ..., }
Ya bajé los libros de gutenberg.org, les quité los encabezados, limpié los textos, dividí los textos en oraciones mediante "<>" y dividí las oraciones por palabras. No sé qué más debo hacer para terminar este ejercicio.
Agradezco de antemano su colaboración.
Esto es lo que llevo:
# -*- coding:utf-8 -*-
from gutenberg.acquire import load_etext from gutenberg.cleanup import strip_headers
libros_idiomas={"frances":[17808,16901,10774,33378,27566,26813,18627], "espanol":[16484,42727,25317,1619,27736,11529,31637,31013] }
for idioma in libros_idiomas: dic_cont_palabras_en_oraciones={} print "Idioma", idioma for codigo_libro in libros_idiomas[idioma]: print codigo_libro texto=load_etext(codigo_libro) texto=strip_headers(texto).lower() for caracter_especial in u',".-?¿()¡!«»:;*_~]': texto=texto.replace(caracter_especial, ' ') for separador_oracion in '.'+'.\n': texto=texto.replace(separador_oracion, u'<>') oraciones=texto.split('<>')
for oracion in oraciones: palabras=oracion.split() cantidad_palabras=len(palabras) if len(palabras) in dic_cont_palabras_en_oraciones: dic_cont_palabras_en_oraciones[len(palabras)]+1
else: dic_cont_palabras_en_oraciones[len(palabras)]=1
palabras_en_oraciones=dic_cont_palabras_en_oraciones.keys()
|
|
|
4
|
Programación / Scripting / Obtener el porcentaje de oraciones con 1 palabra, 2 palabras, 3 palabras, etc.
|
en: 1 Noviembre 2015, 21:08 pm
|
[Python][Python][Python][Python][Python][Python][Python][Python][Python][Python][Python]
Hola a todos,
Debo obtener el porcentaje de oraciones con 1 palabra, 2 palabras, etc. en español y francés a partir de algunos libros obtenidos de gutenber.org. Aún no sé cómo llegar a definir el diccionario para que me muestre en el resultado final algo como esto:
{ "español": {1:0.05, 2:0.10, 3:0.15, 4:0.20, 5:0.22, ... }, "francés": {1:0.03, 2:0.14, 3:0.11, 4:0.18, 5:0.29, ... }, "italiano": ..., }
Ya bajé los libros de gutenberg.org, les quité los encabezados, limpié los textos, dividí los textos en oraciones mediante "<>" y dividí las oraciones por palabras. No sé qué más debo hacer para terminar este ejercicio.
Agradezco de antemano su colaboración.
Esto es lo que llevo:
# -*- coding:utf-8 -*-
from gutenberg.acquire import load_etext from gutenberg.cleanup import strip_headers
libros_idiomas={"frances":[17808,16901,10774,33378,27566,26813,18627], "espanol":[16484,42727,25317,1619,27736,11529,31637,31013] }
for idioma in libros_idiomas: dic_cont_palabras_en_oraciones={} print "Idioma", idioma for codigo_libro in libros_idiomas[idioma]: print codigo_libro texto=load_etext(codigo_libro) texto=strip_headers(texto).lower() for caracter_especial in u',".-?¿()¡!«»:;*_~]': texto=texto.replace(caracter_especial, ' ') for separador_oracion in '.'+'.\n': texto=texto.replace(separador_oracion, u'<>') oraciones=texto.split('<>')
for oracion in oraciones: palabras=oracion.split() cantidad_palabras=len(palabras) if len(palabras) in dic_cont_palabras_en_oraciones: dic_cont_palabras_en_oraciones[len(palabras)]+1
else: dic_cont_palabras_en_oraciones[len(palabras)]=1
palabras_en_oraciones=dic_cont_palabras_en_oraciones.keys()
|
|
|
|
|
|
|