1. 读取某一简单索引文件cdays−3-test.txt,其每行格式为:文档序号关键词,现须根据这些信息将它转化为倒排索引,即统计关键词在哪些文档中,格式如下:包含该关键词的文档数关键词 => 文档序号。其中,原索引文件作为命令行参数传入主程序,并设计一个collect 函式统计“关键字↔序号”结果对,最后在主程序中输出结果至屏幕。

cdays−3-test.txt内容:

1 key1
2 key2
3 key1
7 key3
8 key2
10 key1
14 key2
19 key4
20 key1
30 key3

python代码:

#-*- coding:utf-8 -*-
import sys
import os def collect(file_path):
rfile = "" try :
rfile = open(file_path)
except:
print u"文件路径不存在"
sys.exit() #读取文件,并将文件内容用列表保存
key_value_list = list()
for line in rfile.readlines():
key_value = line.split()
key_value_list.append(key_value) length = len(key_value_list)
#用来存储关键词
value_list = list()
#用来存储最终结果
result_list = list() for i in range(0, length):
#如果关键词已经比对过,则忽略,获取下一个关键词
flag = False
for temp_value in value_list:
if temp_value == key_value_list[i][1]:
flag = True
break
if flag:
continue key = list()
key.append(key_value_list[i][0])
value = key_value_list[i][1]
num = 1 #将关键词和之后的关键词进行比对,相同则数量加1并记录文档序号
for j in range(i + 1, length):
if key_value_list[j][1] == value:
key.append(key_value_list[j][0])
num += 1 value_list.append(value)
result_list.append((num, value, key)) print result_list if __name__ == "__main__":
file_path = u"e:/cdays−3-test.txt" collect(file_path)
04-15 07:00