标签: word-count

我正在使用Visual Studio 2012构建一个Web应用程序.我正在尝试将字数添加到我的文本框中.但是在添加了javascript代码和html代码之后.我收到上述错误.

这是我的javascript编码

代码:

function validateLimit(obj, divID, maxchar) {

objDiv = get_object(divID);

if (this.id) obj = this;

var remaningChar = maxchar - trimEnter(obj.value).length;

if (objDiv.id) {
    objDiv.innerHTML = remaningChar + " characters left";
}
if (remaningChar <= 0) {
    obj.value = obj.value.substring(maxchar, 0);
    if (objDiv.id) {
        objDiv.innerHTML = "0 characters left";
    }
    return false;
}
else
{ return true; }
}

function get_object(id) {
var object = null;
if (document.layers) {
    object = document.layers[id];
} else if (document.all) { …

是否有一个函数来计算字符串中的单词数？例如:

str1 <- "How many words are in this sentence"

返回7的结果.

我正在搜索为LaTeX文档执行正确字数的应用程序或脚本.

到目前为止,我只遇到过只能处理单个文件的脚本,但我想要的是一个可以安全地忽略LaTeX关键字并遍历链接文件的脚本...即关注\include和\input链接以生成正确的字数整个文件.

使用vim,我目前使用ggVGg CTRL+G但显然显示当前文件的计数,并且不会忽略LaTeX关键字.

有谁知道任何可以完成这项工作的脚本(或应用程序)？

我想有一个像这样的mysql查询:

select <second word in text> word, count(*) from table group by word;

mysql中的所有正则表达式示例用于查询文本是否与表达式匹配,但不用于从表达式中提取文本.有这样的语法吗？

如何计算Java 8中List的单词频率？

List <String> wordsList = Lists.newArrayList("hello", "bye", "ciao", "bye", "ciao");

结果必须是:

{ciao=2, hello=1, bye=2}

我有几个文本文件,我想计算每个字母出现多少次？

具体来说,我想使用UNIX shell来执行此操作,形式为:cat file | .... 做东西...

有没有办法让wc命令执行此操作？

我正在尝试本教程http://spark.apache.org/docs/latest/quick-start.html 我首先从文件创建了一个集合

textFile = sc.textFile("README.md")

然后我尝试了一个命令来解决这些问题:

wordCounts = textFile.flatMap(lambda line: line.split()).map(lambda word: (word, 1)).reduceByKey(lambda a, b: a+b)

要打印集合:

 wordCounts.collect()

我找到了如何使用命令sortByKey逐字排序.我想知道如何通过值进行排序可以做同样的事情,在这种情况下,文档中出现一个单词的数字.

我使用git有一个不寻常的目的 - 它在我写小说时存储我的文本.(我知道,我知道......太讨厌了.)

我试图跟踪生产力,并希望衡量后续提交之间的差异程度.作者对"工作"的代理是"写字",至少在创作阶段.我不能使用直字数,因为它忽略了编辑和压缩,这两者都是写作的重要部分.我想要跟踪:

 (words added)+(words removed)

这将重复计算(单词改变),但我没关系.

键入一些神奇的咒语并让git报告任何两个修订版本的距离度量标准会很棒.但是,git diffs是补丁,即使你只是在线上捣乱了一个字符,也会显示整行.我不希望这样,特别是因为我的"行"是段落.理想情况下,我甚至可以用"单词"来指定我的意思(虽然\ W +可能是可以接受的).

是否有一个git-diff的标志,以逐字的方式给出差异？或者,是否有使用标准命令行工具来计算上述指标的解决方案？

我想计算文本文件中所有单词的频率.

>>> countInFile('test.txt')

{'aaa':1, 'bbb': 2, 'ccc':1}如果目标文本文件如下,则应返回:

# test.txt
aaa bbb ccc
bbb

我在一些帖子之后用纯python实现了它.但是,由于文件大小(> 1GB),我发现纯python方式不足.

我认为借用sklearn的力量是一个候选人.

如果你让CountVectorizer计算每一行的频率,我猜你会通过总结每一列来获得字频率.但是,这听起来有点间接的方式.

使用python计算文件中单词的最有效和直接的方法是什么？

更新

我的(非常慢)代码在这里:

from collections import Counter

def get_term_frequency_in_file(source_file_path):
    wordcount = {}
    with open(source_file_path) as f:
        for line in f:
            line = line.lower().translate(None, string.punctuation)
            this_wordcount = Counter(line.split())
            wordcount = add_merge_two_dict(wordcount, this_wordcount)
    return wordcount

def add_merge_two_dict(x, y):
    return { k: x.get(k, 0) + y.get(k, 0) for k in set(x) | set(y) }

我最近一直致力于一些数据库搜索功能,并希望得到一些信息,如每个文档的平均单词(例如数据库中的文本字段).到目前为止我唯一找到的东西(没有在DB之外选择的语言处理)是:

SELECT AVG(LENGTH(content) - LENGTH(REPLACE(content, ' ', '')) + 1)
FROM documents

这似乎有效*但你有其他建议吗？我目前正在使用MySQL 4(希望尽快转移到这个应用程序的第5版),但我也对一般解决方案感兴趣.

谢谢!

*我可以想象这是一个非常粗略的方法来确定它,因为它不会在内容等中考虑HTML.对于这个特定的项目来说没关系但是还有更好的方法吗？

更新:用"更好"来定义我的意思:更准确,更高效,或更"正确"(易于维护,良好实践等).对于我可用的内容,上面的查询足够快,并且对于这个项目是准确的,但我将来可能需要类似的东西(所以我问).