使用Python来读取和处理文本文件并展示数据案例

题目描述

现在你有天龙八部的文件TLBB.txt和出现的所有角色名文件npc，完成下列功能：

1. 统计出场次数最高的10大角色.
2. 统计一共多少章、每章平均多少个汉字、汉字数最多是哪一章、汉字数最少是哪一章
3. 请统计角包与角色之间关系紧密度最高的十对组合。所谓关系紧密程度是由在同一章中两个角包都同时出现过

实现代码

要完成这个案例，你可以使用Python来读取和处理文本文件。以下是一个示例代码，用于解决你提出的问题：

import re
from collections import Counter

# 统计出场次数最高的10大角色
def get_top_characters(file_path, npc_file_path):
    # 读取TLBB.txt文件内容
    with open(file_path, 'r', encoding='utf-8') as f:
        text = f.read()

    # 读取npc文件中的角色名
    with open(npc_file_path, 'r', encoding='utf-8') as f:
        npc_names = f.readlines()
        npc_names = [name.strip() for name in npc_names]

    # 使用正则表达式匹配角色名并统计出现次数
    character_counts = Counter(re.findall(r'\b(?:%s)\b' % '|'.join(npc_names), text))

    # 获取出场次数最高的10个角色
    top_characters = character_counts.most_common(10)

    return top_characters


# 统计章节数、平均每章汉字数、汉字数最多和最少的章节
def get_chapter_statistics(file_path):
    # 读取TLBB.txt文件内容
    with open(file_path, 'r', encoding='utf-8') as f:
        text = f.read()

    # 使用正则表达式分割文本为章节
    chapters = re.split(r'\n第.+章', text)[1:]

    chapter_count = len(chapters)  # 章节数

    total_characters = sum(len(chapter) for chapter in chapters)  # 总汉字数
    average_characters = total_characters / chapter_count  # 平均每章汉字数

    # 获取汉字数最多和最少的章节
    max_characters_chapter = max(chapters, key=len)
    min_characters_chapter = min(chapters, key=len)

    return chapter_count, average_characters, max_characters_chapter, min_characters_chapter


# 统计角色之间关系紧密度最高的十对组合
def get_top_relationships(file_path, npc_file_path):
    # 读取TLBB.txt文件内容
    with open(file_path, 'r', encoding='utf-8') as f:
        text = f.read()

    # 读取npc文件中的角色名
    with open(npc_file_path, 'r', encoding='utf-8') as f:
        npc_names = f.readlines()
        npc_names = [name.strip() for name in npc_names]

    # 使用正则表达式匹配角色名在同一章中的出现情况
    pattern = r'^(?=.*(?:%s)).*$' % '|'.join(npc_names)  # 至少同时包含两个角色名的正则表达式
    matches = re.findall(pattern, text, flags=re.MULTILINE)

    # 统计角色之间的关系紧密度
    relationship_counts = Counter()
    for match in matches:
        characters = re.findall(r'\b(?:%s)\b' % '|'.join(npc_names), match)
        combinations = [(x, y) for idx, x in enumerate(characters) for y in characters[idx + 1:]]
        relationship_counts.update(combinations)

    # 获取关系紧密度最高的十对组合
    top_relationships = relationship_counts.most_common(10)

    return top_relationships


# 主程序入口
if __name__ == '__main__':
    file_path = 'TLBB.txt'
    npc_file_path = 'npc.txt'

    # 统计出场次数最高的10大角色
    top_characters = get_top_characters(file_path, npc_file_path)
    print("出场次数最高的10大角色：")
    for character, count in top_characters:
        print(f"{character}: {count}次")

    print()

    # 统计章节数、平均每章汉字数、汉字数最多和最少的章节
    chapter_count, average_characters, max_characters_chapter, min_characters_chapter = get_chapter_statistics(file_path)
    print("章节数：", chapter_count)
    print("平均每章汉字数：", average_characters)
    print("汉字数最多的章节：", max_characters_chapter[:20])  # 只打印部分章节内容
    print("汉字数最少的章节：", min_characters_chapter[:20])  # 只打印部分章节内容

    print()

    # 统计角色之间关系紧密度最高的十对组合
    top_relationships = get_top_relationships(file_path, npc_file_path)
    print("角色之间关系紧密度最高的十对组合：")
    for (character1, character2), count in top_relationships:
        print(f"{character1} - {character2}: {count}次")

在这个程序中，我们首先读取TLBB.txt和npc.txt文件的内容。然后使用正则表达式进行匹配和统计。通过Counter类可以方便地获得出现次数最多的角色、关系紧密度最高的角色对等信息。

请确保将TLBB.txt和npc.txt文件放置在与程序相同的目录下，并根据实际情况修改文件路径。

此外，为了更好地处理文本数据，你可能需要了解更多关于字符串处理、正则表达式和文件操作方面的知识。