python - 文本文件中的字母加扰

Question

我正在准备一个测试数据，它必须有不同的字母，比如 அ-20 次 ம-30 次，த-40 次 .....（它们是支持 UTF-8 编码的泰米尔语字母）这可以使用打印语句来实现

{print ( ' ம் ' * 30 ) + ( ' த ' * 40  ) + }

但是，我需要打乱它们，使它们不会以任何特定的顺序出现。我有大约 230 多个字母，我将打印 20,30,40 次。然后我需要打乱它们并将它们写入输出文件。在这方面的任何帮助都会有所帮助。

Answer 1

有很多方法可以解决这个问题。最有效的将是使用random模块。

random.shuffle

>>> from random import shuffle
>>> my_string = list('This is a test string.')
>>> shuffle(my_string)
>>> scrambled = ''.join(my_string)
>>> print(scrambled)
.sTtha te s rtisns gii

为此，您必须从字符串的字符创建一个list，因为字符串是不可变的。

如果必须存储不同的值，则必须创建一个新对象。

random.sample

>>> from random import sample
>>> my_string = 'This is a test string.'
>>> scrambled = random.sample(my_string, len(my_string))
>>> scrambled = ''.join(scrambled)
>>> print(scrambled)
gr.s i tisstheit Tn sa

您不必为此创建一个list；因为，从random.sample文档中：

返回一个新列表，其中包含人口中的元素，同时保持原始人口不变。

sorted内置的_random.random

>>> from random import random
>>> my_string = 'This is a test string.'
>>> scrambled = sorted(my_string, key=lambda i: random())
>>> scrambled = ''.join(scrambled)
>>> print(scrambled)
ngi rts ithsT.staie s 

你也不需要list这个。从sorted文档中：

从可迭代的项目中返回一个新的排序列表。

因为字符串在 Python 中被视为可迭代对象（见下文），sorted所以可以在其上使用。

可迭代定义为

一个能够一次返回其成员的对象。

Answer 2

我建议把这个问题分成 3 个部分：组装你的字母列表，打乱列表，然后将其写入文件。请注意，以下代码中的第一行应位于 python 文件的顶部，以允许您在源代码本身中使用 utf-8 字符。

# -*- coding: utf-8 -*-

import codecs  # To write UTF-8 characters to a file
import random

# Assemble data list    
letters = [u'அ', u'ம', u'த']
data = []  # This list will hold the shuffled data

for current_letter in letters:
    # Choose how many times to repeat the current letter.
    times_repeated = random.choice([20, 30, 40])
    data.extend([current_letter] * times_repeated)

# Now, shuffle the 'data' list
random.shuffle(data)

# Now write the shuffled list to a file as one continuous string
data_string = "".join(data)

with codecs.open("data.txt", "w", "utf-8") as f:
    f.write(data_string)

请注意，如果您知道希望每个字母显示多少次，则可以将该信息放入字典中，而不是从以下随机选择[20, 30, 40]：

# The key is the letter to repeat, the value is the number of times to repeat it
letters = {u'அ': 20,
           u'ம': 30,
           u'த': 20}

for letter in letters:
    times_repeated = letters[letter]
    # ... rest of the code would look the same ...

Answer 3

感谢我的朋友@AswinMurugesh，他帮助我编写了代码。

下面的代码成功了。

import codecs
import tamil
from random import shuffle

inp_file = codecs.open("/home/sibi/Desktop/scramble.txt",encoding="utf-8")
inp_text = inp_file.read().rstrip()

tamil_letters = tamil.utf8.get_letters(inp_text)
shuffle(tamil_letters)
tamil_letters = "".join(tamil_letters).encode("utf-8")
print tamil_letters

out_file = open('outputscrambled.txt','w')
out_file.write(tamil_letters)

Answer 4

只需使用random.choice：

import random
size = 1000
values = [' ம் ', ' த ', ' த ']
print "".join(random.choice(values) for i in xrange(size))