質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.80%

python 文字列カウント

受付中

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 5,512
退会済みユーザー

退会済みユーザー

こちらで質問させていただいた者です.
http://teratail.com/questions/13963

不明点があるので,再度ご質問させていただきます.

以下のようなテキストファイルを読み込み,特定の文字列の出現回数をカウントしたいと考えています. 

------------------- 
E    未知語         
メール    名詞-サ変接続         
は    助詞-係助詞         
こちら    名詞-代名詞-一般         
まで 助詞-副助詞         
:    記号-一般         
------------------ 
from collections import Counter
f=open('samaple.txt',encoding='utf-8')
data = f.read()
counter = Counter(data)
print(data.count('名詞'))
>>>3

カウント結果としては,名詞の数は2であってほしいのです.
"代名詞"のように"名詞"を含むものもカウントしてしまうと不都合なのですが,
何かよい方法はないでしょうか.

"名詞-代名詞-一般"
このように名詞という文字列が必ず2回出現するなら,結果を2分の1にすればいいのですが,
 "名詞-サ変接続"
こちらのような文字列も存在しているので困っています.
名詞に限らず品詞のカウントを予定しています.


ご教授お願いいたします.
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

0

文字列を日本語の単語として分割して、そこから "名詞" の数を数えるようにしてみました。

単語分割にはいろいろな方法がありますが、TinySegmenter3 をつかってみました。
参考:
- mecabなしで分かち書きができるモジュールTinySegmenter3 http://samurait.hatenablog.com/entry/2014/07/14/tinysegmenter3_notification_of_registration

  $ pip install tinysegmenter3
のようにしてインストールできます。

単語に分割したあとに "名詞" が何回でているかのカウントは、ループを回してカウントしてもできますが、
ここでは、すべての単語毎に出現回数を数えて、その結果から "名詞" の出現回数を出力してみました。

参考:
- リストの中の要素を要素別にカウントしたい http://www.lifewithpython.com/2014/05/python-count-elements-in-lists.html

count.py
from collections import Counter
from tinysegmenter import TinySegmenter
import collections

f = open('sample.txt')
data = f.read()

segmenter = TinySegmenter()
statement = data
tokenized_statement = segmenter.tokenize(statement)
count_dict = collections.Counter(tokenized_statement)
# print(count_dict)
print(count_dict['名詞'])
実行例:
$ python3 count.py
2
上のコード中の print(count_dict) を有効にすると、次のように単語毎の出現回数が得られていることがわかります。
Counter({'  ': 10, '\n': 5, '-': 5, '一般': 2, '詞': 2, '名詞': 2, '助詞': 2, '未知語': 1, '変接': 1, '係助': 1, '\n:': 1, '記号': 1, '-サ': 1, ' ': 1, 'まで': 1, 'は': 1, 'こちら': 1, '続': 1, '副助詞': 1, 'E': 1, '代名': 1, 'メール': 1})

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.80%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る