HTMLタグのカウント

Question

複数のファイルのHTMLタグの出現頻度をカウントしようと考えています．
事前にBeautifulSoupを用いて，複数ファイル内にどのようなタグがあるか確認し，tag.txtに書き出しました．
対象ファイルに含まれるタグは網羅できていますので，
このリストと比較して存在しないタグを含むファイルはありません．
また，タグの重複は削除済みです．

tag.txt

html
head
a
herf
...

現在，tag.txtを利用してタグのカウントを行う段階です．
ただ対象のテキストを読み込み，tag,txtにある文字列と一致させると，
'a'タグに'a'も引っかかりますが，he'a'dも引っかかることになります．

そこで，対象テキストをBeautifulSoupにかけ，タグだけ抜き取り，
カウントを行おうと考えています．

list=[]
for line in open('tag.txt'):
	line = line.strip()
	list.append(line)	#tag.txtをリストに格納


for dir in os.listdir(path):
	counts = []
	print(path  + dir)	#ファイルまでのパスを取得し，ファイル名をプラス

	f = open(path + dir, 'r')
	sample = f.read()

	sample=BeautifulSoup(sample)
	tag=[]
	tag=[x.name for x in sample.find_all(True)]	#対象テキストのタグをリストに格納

ここから，list内要素をカウントするためにhtml=0,a=0のように初期化し，
tag内の要素をカウントしていきたいのですが，うまく書くことができません．
ご教授願えませんか．

このやり方以外にスマートな方法があれば教えていただきたいです．

Answer 1

python では list は 「listを作成する」という関数として存在するので、変数名としては利用しないほうが良いです。以下では質問者さんが作成したlist という名前の変数として・・・

c=[tag.count(l) for l in list]
とすれば、c は listの中のtag名の順に個数だけ入ったリストになります。タグ名と個数の両方が欲しいなら、
c=[(l,tag.count(l)) for l in list]
とすれば、cは (タグ名,個数) というタプルのリストになります。

Answer 2

辞書オブジェクト（連想配列）を使うのはいかがでしょうか．
cはカウンタです．

c = {}
for ntag in tag:
    c[ntag] = c.get(ntag, 0) + 1

Comments

[cho]

ご回答ありがとうございます．
ご提示いただいたやり方だと，tag.txtは使用しない形になりますよね？
tag.txtにあるタグの数をカウントしたいのですが，よろしければそれを踏まえて
ご教授願えないでしょうか．

[KenTerada]

確かにtag.txtは使いませんが，「このリストと比較して存在しないタグを含むファイルはありません」とあったので，問題ないのかと思いました．
以下の方法では，listをリストではなく辞書にして，もしその辞書の中にタグが存在していればインクリメントしています．
（どうもコメント蘭ではスペースが正しく表示されないので，アンダースコアに変えました．コピペする場合は，アンダースコアをスペースに変えてください．）
-----------------------
list = {}
for line in open('tag.txt'):
____line = line.strip()
____list[line] = 0

for ntag in tag:
____if ntag in list:
________list[ntag] = c.get(ntag) + 1
-----------------------
もし，tag.txtの順序を守りたければ，listは以下のように初期化してください．
-----------------------
import collections
list = collections.OrderedDict()
-----------------------

[cho]

丁寧な回答ありがとうございます．
もう一点お伺いしたいのですが，tag,txtにあるが，対象fileには存在しないタグというものがあります．
そのタグもカウントの都合上，出現回数0と取得したいのですがどうしたらよいでしょうか．

[KenTerada]

訂正した方のコードでは，最初にtag.txt内にあるタグに対するカウンタを0で初期化しています．なので2つ目のfor文の中でインクリメントされなければ0のままです．