前言

本文旨在對開發過程中出現的若干問題作記錄。因為開發本身過程大多采用參考代碼，不完全原始開發，因此不涉及具體的python語法記錄，只對搭建環境及需求分析作統一的記述。

需求描述

目的

旨在開發一個詞頻統計工具。統計某個文件夾下所有的.txt,.docx,.doc文件中出現的所有單個字出現的次數。

區別于現代文和英文(現代文設計組詞分詞，英文則是根據空格區分單詞)，文言文的基本釋義是一字一義。因此，我們的統計可以適用于遍歷所有的漢字，然后作統計。

選用 python 的目的

本次的需求實際上是一個桌面端應用的開發。當前能夠使用的桌面端開發工具有許多。

Windows 平臺下的桌面端仍然是微軟提供的 MFC 開發，采用 C++語言

Mac 平臺下和iOS 相同，采用Objective-C 或 Swift配合Xcode IDE

本次的工具旨在開發一款跨平臺的桌面端應用(在Windows, MacOSX)下通用。目前我個人已知的跨平臺開發庫除了Python相關的庫外，就是JavaScript世界中的幾個跨院庫：Electron等。

跨平臺開發本質上意味著犧牲一部分的性能以及包大小。簡單來說就是各個平臺本身有一套根據自身硬件性能和平臺 api 特性設計的開發方案。跨平臺的開發工具先用自身的開發邏輯實現了所有的業務，最后通過解釋器生成原生使用的機器語言。

簡單的解釋，好比你帶了一個翻譯出國旅行。雖然也可以算得上暢行無阻，但是交流起來畢竟隔了一層。

本次的需求本身而言并不復雜，選用python的原因主要還是因為他的簡單易用性。而electron，還需要熟悉更多額外的內容。

設計思路

文言文統計流程圖

開發環境及搭建

python環境 —— python 2.7

Windows需要額外安裝，下載這個鏈接中的Windows x86-64 MSI installer,安裝時記得勾選最后一個add python.exe to Path(這一步是添加python 到環境變量，如果不勾選，回頭還要手動作，很麻煩)

圖片

mac 下因為自帶了python 2.7不需要額外安裝

python IDE 這沒啥好說的，就是使用JetBrains他們家的Pycharm.

這里額外說明一下，用過pycharm的同學可以直接跳過。

Pycharm的優點在于：

良好的包管理工具 —— 開發者不需要像很多教程中提到的，使用命令行進行pip的手動安裝，直接搜索庫中已有的第三方庫。直接可視化操作。

默認安裝了虛擬環境 —— 安裝虛擬環境的目的：通常地，創建一個python項目，如果有用到第三方庫，我們都是直接安裝在本地目錄下。

這樣造成的一個結果就是，每當我新建一個工程，也許都存在一個不相干的共享的python庫在其中。

虛擬環境的搭建，旨在針對每一個新建的python工程，都有一個干凈的python庫在其中。下面是在pycharm中建立虛擬環境 virtualEnv(virtual environment)

示意圖1

示意圖2

使用到的第三方庫：

xlwt 生成/寫入excel文件的庫

python-docx 讀取Word文檔的第三方庫

zhon 處理漢字標點符號

langconv 處理簡繁體轉化

Tkinter 這個是python自帶的桌面GUI 開發工具，比較輕量級。最后的效果大概如下

mac 端的視圖

遇到的問題

業務邏輯上的問題

除了上面提到的程序上的問題外，業務本身還存在幾個開發過程中需要解決的痛點。這里一一羅列：

標點符號 —— 我們統計詞頻的時候，需要做的事就是“掐頭去尾”，即，遍歷每一行的字符串內容，去掉其中的所有標點符號(包括中英文)，然后作下一步操作

簡繁轉化 —— 簡體字和繁體字并不是一一對應的關系。比如繁體字的"麵條"和“面對”，對應簡體字都是“面”，繁轉簡還好說，簡轉繁的時候，究竟對應哪個面，也許就不得而知了。

目前的做法是統一轉化成簡體。但是一些特殊情況也會出問題，比如“乾隆”和“乾坤”，轉成簡體字，會變成“干隆”和“干坤”。

之前使用的簡繁轉換庫叫做opencc，之后發現打包后運行時，會報轉化失敗的錯誤。故而改用一個引入源碼的庫langconv.py

讀取 .txt和.docx/.doc的區別

Word相對于記事本，是支持富文本的。因此在文件的讀取上也有很多的不同。這里專門使用了一個python的Word讀取庫叫做python-docx作讀取操作。

開發中遇到的問題

不同平臺下的若干問題

打包問題 —— 使用什么打包工具

網上有很多的文章，提到了windows 平臺使用py2exe等等的庫，mac 平臺使用py2app.實際情況是，這些庫都不盡如人意，存在許許多多的問題。不是打包失敗，就是打包成功后運行失敗，且無法定位問題。

閑話少敘，這里使用的是叫做Pyinstaller的打包工具。

這里也有一個小坑：首次安裝pyinstaller后，在虛擬環境中執行終端的打包指令是會報無法識別pyinstaller的。這時候必須要將整個pycharm重啟。當看到終端指令前面出現(venv)的字樣，才能執行。

示意圖3

打包mac 下的 app，那么要在 mac 下運行。打包 Windows 的.exe 文件，那么工程必須運行在 Windows 下。也就是說，我在 A 平臺的時候，不能打包 B 平臺下的包。這個其實也蠻麻煩的，等于我在兩個平臺都要安裝一遍程序。

* 打開文件/文件夾，mac 和 windows 下的命令不同，代碼要做兼容

完成統計后，我們理想的狀態是打開生成的`excel`和它所在的文件夾。

* mac 底下用的是`open ./desExcel.xls`,

* windows 底下的命令是`./desExcel.xls`

針對這點，需要作區別處理完成兼容

調試過程中可以正常使用，打包后無法運行。—— 涉及打包后如何定位問題

在mac平臺，打包后在dist文件夾下會生成兩個文件，一個是.app，一個是一個終端文件，直接拖曳進入終端后可以執行，且會出現打印日志，方便定位運行失敗問題。

示意圖4

異常處理 —— 對于Word會生成隱藏的臨時文件，當臨時文件為空時，python中的讀取會報錯。

這里可以使用try except語法忽略空文件。因為涉及語法，不贅述。

以上。

總結

以上是生活随笔為你收集整理的python怎么读单词和古文_Python 实现文言文词频统计的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。