1

Quiero usar una lista de palabras de forma diccionario para crear un archivo de texto que contenga una gran matriz de todos los recuentos de palabras para cada uno de los blogs.

Adapto el código de este archivo, que proviene de Programming Collective intelligence escrito por Toby Segaran. Fue escrito en python 2 y quiero utilizar python 3. No sé porqué pero el intenta de manejar unicode con blog = blog.encode('ascii','ignore'):

# use la lista de palabras y blogs para crear un archivo de texto 
# que contenga una gran matriz de todos los recuentos de palabras 
# para cada uno de los blogs
out=open('blogdata.txt','w')
out.write('Blog')
for word in wordlist: 
    out.write('\t%s'%word)
out.write('\n')
for blog,wc in wordcounts.items():
    # tratar con unicode fuera del rango de ascii
    blog = blog.encode('ascii','ignore')
    out.write(blog)
    for word in wordlist:
        if word in wc:
            out.write('\t%d' % wc[word])
        else:
            out.write('\t0')
    out.write('\n')

Pero me devuelva

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-42-ed0124699e6c> in <module>
      8     #deal with unicode outside the ascii range
      9     blog = blog.encode('ascii','ignore')
---> 10     out.write(blog)
     11     for word in wordlist:
     12         if word in wc:

TypeError: write() argument must be str, not bytes

Aquí está una parte de wordcounts:

{'Le Monde.fr - Actualités et Infos en France et dans le monde': {'comprendre': 1,
  'l': 27,
  'affaire': 4,
  'vincent': 2,
  'lambert': 2,
  'en': 9,
  'dates': 1,
  'depuis': 2,
  ...

Me pregunto si sería mejor hacerlo en un archivo CSV.

1 respuesta 1

1

blog.encode('ascii','ignore') te convierte el contenido de la variable blog en un set de bytes.

Si usas Python 3+, por defecto los Strings trabajan en codificación UTF-8, por lo que simplemente tienes que abrir blogdata.txt en dicha codificación y olvidarte del encode:

out=open('blogdata.txt','w',encoding="utf-8")

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.