Einige ersetzen ja ``ß`` mit ``sz``.EnTeQuAk hat geschrieben:Wobei, was mir auffällt. Warum `ß` in `ss` umwandeln? Das macht den ganzen Text nicht mehr so gaaanz Rechtschreibtechnisch richtig. Aber na ja wollts nur sagen
Programm für Textanalyse
-
- Python-Forum Veteran
- Beiträge: 16025
- Registriert: Freitag 20. Juni 2003, 16:30
- Kontaktdaten:
My god, it's full of CARs! | Leonidasvoice vs (former) Modvoice
Wie dem auch sei Ich würde zu den Deutschen Umlauten stehen. Wir haben die und können sie auch verwendenEinige ersetzen ja ``ß`` mit ``sz``.
MfG EnTeQuAk
Bei einer Häufigkeitsanalyse kann ich keine Umlaute gebrauchen, weil diese nicht direkt im Alphabet auftauchen. Ob ich "ß" ignoriere oder in "ss" umwandle muss ich noch sehen.Wobei, was mir auffällt. Warum `ß` in `ss` umwandeln?
Falls du die Verschlüsselung Vigenère kennst und weißt, wie man diese bricht, dann kannst du nachvollziehen, warum ich "ä", "ö", "ü" und "ß" umwandeln möchte.(btw: was bezweckst du mit dem ersetzen?)
Vigenère-Verschlüsselung
-
- User
- Beiträge: 773
- Registriert: Mittwoch 5. November 2003, 18:06
- Wohnort: Schweiz
- Kontaktdaten:
Da müsstest du zuerst wissen ob er wirklich in Deutschland die Analyse macht. Bei uns in der Schweiz gibts dieses komische ß gar nicht (musste es vom vorherigen Post kopieren, gibt keine Taste dafür ) bei uns wird nur ss geschrieben.
Gruss
Gruss
-
- User
- Beiträge: 1790
- Registriert: Donnerstag 28. Oktober 2004, 16:33
- Wohnort: Graz, Steiermark - Österreich
- Kontaktdaten:
1.) tauch im deutsch alpabeth aufMarc hat geschrieben:Bei einer Häufigkeitsanalyse kann ich keine Umlaute gebrauchen, weil diese nicht direkt im Alphabet auftauchen. Ob ich "ß" ignoriere oder in "ss" umwandle muss ich noch sehen.Wobei, was mir auffällt. Warum `ß` in `ss` umwandeln?
2.) sollte das so normalisiert werden, wie das auch der sender macht. sonst machst du die statistiken kaputt.
TUFKAB – the user formerly known as blackbird
- birkenfeld
- Python-Forum Veteran
- Beiträge: 1603
- Registriert: Montag 20. März 2006, 15:29
- Wohnort: Die aufstrebende Universitätsstadt bei München
Heute ist Nonkonformistentag, hm?blackbird hat geschrieben: 1.) tauch im deutsch alpabeth auf
@Marc: Lass doch bei den Schlüsseln in dem Dictionary mit der Häufigkeitsverteilung einfach den Postfix '_dt' weg. Und auch wenn das Dictionary nur zur Anzeige dient, hätte ich die Werte als Fliesskommazahlen eingetragen. Falls man doch mal irgendwann damit rechnen will. Zum Beispiel wenn man die Abweichung eines analysierten Textes von der typischen Häufigkeit ausrechnen möchte oder so.
@DaSch: Stilistisch sind in dem Quelltext für meinen Geschmack zu wenige Leerzeichen und -zeilen enthalten. Es "klebt" alles so zusammen. Nicht nur Leerzeilen könnten ein wenig Struktur in das Programm bringen, es ist auch so linear runtergeschrieben. Man könnte es in Funktionen aufteilen.
Die Kommandozeilenschnittstelle sollte dokumentiert werden. Wenn ich das richtig sehe ist die nicht konsistent. Das das erste Argument je nach Anzahl der übergebenen Argumente etwas anderes bedeutet, ist nicht so schön.
Einem Namen eine -1 zuzuweisen, wenn er als "unbekannt" oder "nicht gesetzt" gelten soll, wie bei `charpath`, ist ziemlich C-like. In Python nimmt man dafür normalerweise `None`.
Über ``except`` wurde ja schon etwas gesagt. In dieser Form gibt's im Fehlerfall gleich danach eine Ausnahme: Wenn die Datei nicht geöffnet werden konnte, dann schlägt natürlich der Aufruf von `read()` fehl.
Bei `numchartota` fehlt irgendwie ein 'l'.
Die ``for``-Schleifen sind umständlich und nicht "pythonisch". Wenn man ``for i in range(len(something)):`` schreibt, kann man in 99,9% der Fälle gleich über `something` iterieren ohne den Umweg über einen Index.
Die erste Schleife sähe dann so aus:
Python bietet aber viel ausdruckstärkere Konstrukte und Funktionen an, die oft "detaillierte" Schleifen überflüssig machen. Die Liste könnte man zum Beispiel mit einer "list comprehension" oder `map()` erstellen und die Gesamtsumme dann einfach mit `sum()` ermitteln.
Für den Vergleich der Längen der beiden Listen `numchar` und `char2count` böte sich ein ``assert`` anstelle des ``if``/``else`` an.
@DaSch: Stilistisch sind in dem Quelltext für meinen Geschmack zu wenige Leerzeichen und -zeilen enthalten. Es "klebt" alles so zusammen. Nicht nur Leerzeilen könnten ein wenig Struktur in das Programm bringen, es ist auch so linear runtergeschrieben. Man könnte es in Funktionen aufteilen.
Die Kommandozeilenschnittstelle sollte dokumentiert werden. Wenn ich das richtig sehe ist die nicht konsistent. Das das erste Argument je nach Anzahl der übergebenen Argumente etwas anderes bedeutet, ist nicht so schön.
Einem Namen eine -1 zuzuweisen, wenn er als "unbekannt" oder "nicht gesetzt" gelten soll, wie bei `charpath`, ist ziemlich C-like. In Python nimmt man dafür normalerweise `None`.
Über ``except`` wurde ja schon etwas gesagt. In dieser Form gibt's im Fehlerfall gleich danach eine Ausnahme: Wenn die Datei nicht geöffnet werden konnte, dann schlägt natürlich der Aufruf von `read()` fehl.
Bei `numchartota` fehlt irgendwie ein 'l'.
Die ``for``-Schleifen sind umständlich und nicht "pythonisch". Wenn man ``for i in range(len(something)):`` schreibt, kann man in 99,9% der Fälle gleich über `something` iterieren ohne den Umweg über einen Index.
Die erste Schleife sähe dann so aus:
Code: Alles auswählen
numchar=[]
numchartotal=0
for char in char2count:
tmp = text.count(char)
numchar.append(tmp)
numchartotal += tmp
Code: Alles auswählen
numchar = [text.count(char) for char in char2count]
numchar = map(text.count, char2count)
numchartotal = sum(numchar)
Also erstmal danke für eure Tips ich habs jetzt ein wenig umgebaut und noch ein paar Fetures hinzugefügt
Code: Alles auswählen
#!/usr/bin/python
# -*- coding: utf-8 -*-
import optparse
parser = optparse.OptionParser()
parser.set_usage("%prog [options] File")
parser._add_version_option()
parser.version="%prog 0.1"
parser.add_option("-c","--case-sensitive",action="store_false", dest="lower",default=True,help="don't convert Letters to lowercase")
parser.add_option("-p","--percentage",action="store_true", dest="percentage",default=False,help="Show Percentage of default Characters")
parser.add_option("-P","--Percentage",action="store", type="string", dest="charcount",help="Show Percentage of charactres spezified in File",metavar="charfile")
(options, args) = parser.parse_args()
lower = options.lower
percentage = options.percentage
if len(args)>0:
try:
daten = file (args[0],'r')
text = daten.read()
daten.close()
except IOError, err:
print 'Error when reading File "%s":\n\t%s' % (err.filename, err)
parser.exit()
else:
parser.print_help()
parser.exit()
if options.charcount is not None:
try:
chardaten = file (options.charcount,'r')
chartext = chardaten.read()
chardaten.close()
char2count=list(chartext)
except IOError, err:
print 'Error when reading File "%s":\n\t%s' % (err.filename, err)
parser.exit()
elif lower:
char2count=list("abcdefghijklmnopqrstuvwxyz")
else:
char2count=list("AaBbCcDdEeFfGgHhIiJjKkLlMmNnOoPpQqRrSsTtUuVvWwXxYyZz")
if lower:
text = text.lower()
numworte=len(text.split())
numchar = [text.count(char) for char in char2count]
numchar = map(text.count, char2count)
numchartotal = sum(numchar)
if len(numchar)!=len(char2count):
print "Error in CharCount"
else:
print "Anzahl der Worte:",numworte
print "Anzahl der Buchstaben:",numchartotal
print "Durchschnittliche Anzahl der Buchstaben pro Wort:",numchartotal/numworte
if percentage:
print "Anteile der Zeichen"
for i in range(len(char2count)):
char_tmp=char2count[i]
num_tmp=float(numchar[i])
numchartotal=float(numchartotal)
proz=(num_tmp/numchartotal)*100
print "Der Anteil von",char_tmp,"ist","%5.2f" % proz,"%"
So. Ich habe mich einfach mal rangemacht, um dir zu zeigen, wie es mit Funktionen ausschauen könnte.
Ich habe einige Sachen entfernt, da ich sie für unnötig hielt /sie sich überschnitten haben. Das Script ist jetzt ein wenig läger, lässt sich nun aber, finde ich besser überblicken.
Hier ist es: http://paste.pocoo.org/show/1361/
Ich hoffe, alles umgesetzt zu haben
MfG EnTeQuAk
Ich habe einige Sachen entfernt, da ich sie für unnötig hielt /sie sich überschnitten haben. Das Script ist jetzt ein wenig läger, lässt sich nun aber, finde ich besser überblicken.
Hier ist es: http://paste.pocoo.org/show/1361/
Ich hoffe, alles umgesetzt zu haben
MfG EnTeQuAk
also das mit der Option -c funktioniert irgendwie net
ich wollte des jetzt auch mal mit funktionen machen, dein Ansatz ist schon ganz gut denk ich
danke schonmal dafür
ich wollte des jetzt auch mal mit funktionen machen, dein Ansatz ist schon ganz gut denk ich
danke schonmal dafür
Das "_dt" kann ich weglassen, stimmt wohl.@Marc: Lass doch bei den Schlüsseln in dem Dictionary mit der Häufigkeitsverteilung einfach den Postfix '_dt' weg. Und auch wenn das Dictionary nur zur Anzeige dient, hätte ich die Werte als Fliesskommazahlen eingetragen. Falls man doch mal irgendwann damit rechnen will. Zum Beispiel wenn man die Abweichung eines analysierten Textes von der typischen Häufigkeit ausrechnen möchte oder so.
Ich wollte die Zahlen als Fließkommazahl schreiben, aber dann passiert folgendes bekanntes Problem:
Code: Alles auswählen
>>> f = {'a': 6.51}
>>> f
{'a': 6.5099999999999998}
benutz doch einfach Sttringformatierung für die Ausgabe
Ich hab jetzt meine Version auch nochmal ein wenig überarbeitet und das alles mit funktionen etwas übersichtlicher gemacht
Ich hab jetzt meine Version auch nochmal ein wenig überarbeitet und das alles mit funktionen etwas übersichtlicher gemacht
Code: Alles auswählen
#!/usr/bin/python
# -*- coding: utf-8 -*-
import optparse
import time
def main():
start=time.time()
options,args,parser=parsing()
text,char2count=fileopen(options,args,parser)
if options.lower:
text = text.lower()
numworte,numchar,numchartotal=count(text,char2count)
output(numworte,numchar,numchartotal,char2count,options)
if options.test:
test(start)
def parsing():
parser = optparse.OptionParser()
parser.set_usage("%prog [options] File")
parser._add_version_option()
parser.version="%prog 0.1"
parser.add_option("-c","--case-sensitive",action="store_false", dest="lower",default=True,help="don't convert Letters to lowercase")
parser.add_option("-p","--percentage",action="store_true", dest="percentage",default=False,help="Show Percentage of default Characters")
parser.add_option("-P","--Percentage",action="store", type="string", dest="charcount",help="Show Percentage of charactres spezified in File",metavar="charfile")
parser.add_option("-s","--special",action="store_true", dest="special",default=False,help="Analyse special charactres")
parser.add_option("-t","--test",action="store_true", dest="test",default=False,help="Make a Speedtest")
(options, args) = parser.parse_args()
return options,args,parser
def fileopen(options,args,parser):
if len(args)>0:
try:
daten = file (args[0],'r')
text = daten.read()
daten.close()
except IOError, err:
print 'Error when reading File "%s":\n\t%s' % (err.filename, err)
parser.exit()
else:
parser.print_help()
parser.exit()
if options.charcount is not None:
try:
chardaten = file (options.charcount,'r')
chartext = chardaten.read()
chardaten.close()
char2count=list(chartext)
except IOError, err:
print 'Error when reading File "%s":\n\t%s' % (err.filename, err)
parser.exit()
else:
char2count=set(options)
return text,char2count
def set(options):
if options.lower:
char2count=list("abcdefghijklmnopqrstuvwxyz")
else:
char2count=list("AaBbCcDdEeFfGgHhIiJjKkLlMmNnOoPpQqRrSsTtUuVvWwXxYyZz")
if options.special:
char2count.append("--")
char2count.extend(" ")
spezial_char=".,;.´:-_#'+*~!?§$€%&()[]{}=\/|<>"
char2count.extend(spezial_char)
return char2count
def count (text,char2count):
numworte=len(text.split())
numchar = [text.count(char) for char in char2count]
numchar = map(text.count, char2count)
numchartotal = sum(numchar)
return numworte,numchar,numchartotal
def output(numworte,numchar,numchartotal,char2count,options):
percentage = options.percentage
print "Anzahl der Worte:",numworte
print "Anzahl der Buchstaben:",numchartotal
print "Durchschnittliche Anzahl der Buchstaben pro Wort:",numchartotal/numworte
if percentage:
print "Anteile der Zeichen"
for i in range(len(char2count)):
char_tmp=char2count[i]
if char_tmp != "--":
num_tmp=float(numchar[i])
numchartotal=float(numchartotal)
proz=(num_tmp/numchartotal)*100
print "Der Anteil von",char_tmp,"ist","%5.2f" % proz,"% Absolut:",numchar[i]
else:
print "------------------------------------------------------"
def test(start):
print "Runtime: %.4f"%(time.time()-start),"Sekunden"
print "Cputime: %.4f"%(time.clock()),"Sekunden"
if __name__ == '__main__':
main()
Habe ich in meinem Programm ja benutzt. BlackJack meinte dann, ich solle Fließkommazahlen verwenden, um mit damit ggf. noch rechnen zu können. Darauf habe ich dann im Beitrag über deinem geantwortet.benutz doch einfach Sttringformatierung für die Ausgabe
Mit Stringformatierung war der ``%`` Operator gemeint und wenn man eine Fliesskommazahl als Zeichenkette oder als Fliesskommazahl formatiert, dann taucht das Problem nicht auf weil entsprechend gerundet wird:
Man kann also beides haben: Fliesskommazahlen mit denen sich rechnen lässt und eine Darstellung als Zeichenkette, die die Unvollkommenheit von Fliesskommazahlen versteckt.
Code: Alles auswählen
In [42]: 6.51
Out[42]: 6.5099999999999998
In [43]: '%s' % 6.51
Out[43]: '6.51'
In [44]: '%f' % 6.51
Out[44]: '6.510000'
In [45]: '%5.2f' % 6.51
Out[45]: ' 6.51'
Ich verstehe nicht, wieso ich dann beides habe. Die Ausgabe ist doch ein String und keine Fließkommazahl. Wenn ich den Eintrag aus dem Dictionary aufrufe, dann wird doch der String benutzt:
Was ist mein Denkfehler?
Code: Alles auswählen
>>> f = {'a': '%s' % 6.51}
>>> f
{'a': '6.51'}
>>> f['a']
'6.51'
Wenn Du die Zahl schon im Dictionary als Zeichenkette formatierst, kannst Du natürlich gleich Zeichenketten schreiben.
Am sinnvollsten ist, wenn du das Dictionary mit den Häufigkeiten mit konkreten Zahlen füllst, da du wahrscheinlich irgendwann mal mit diesen etwas berechnen musst und dir das Konvertieren von einem String in eine Fließkommazahl sprarst:Marc hat geschrieben:Was ist mein Denkfehler?
Code: Alles auswählen
f = {"a":6.51}
Code: Alles auswählen
in_string = "Hier noch ein wenig Text: %5.2f. Und hier auch noch ein wenig" % f["a"]