MapReduce Mapper开发问题：单词首字母为元音时输出1否则输出0

我正在处理MapReduce问题的第一部分，需要实现一个Mapper函数，要求当单词首字母为元音时输出1，否则输出0。程序通过终端管道运行，命令为cat test.txt | python3 mapper.py。目前前两列输出正常，但第三列（用于标识单词首字母是否为元音）全部显示1，不符合预期。

预期输出 #

i 1 1 0   
t 1 0 0
s 1 0 0
a 1 1 1
b 1 0 0
e 1 0 0
a 1 0 0
u 1 0 0
t 1 0 0
i 1 0 0  
f 1 0 0
u 1 0 0
l 1 0 0
l 1 0 0
i 1 0 0 
f 1 0 0
e 1 0 1

当前输出 #

i 1 1 0
t 1 1 0
s 1 1 0
a 1 1 0
b 1 1 0
e 1 1 0
a 1 1 0
u 1 1 0
t 1 1 0
i 1 1 0
f 1 1 0
u 1 1 0
l 1 1 0
l 1 1 0
i 1 1 0
f 1 1 0
e 1 1 0

问题分析 #

你的代码存在两个核心问题：

• 丢失单词归属信息：把整行所有字母合并成一个字符串遍历，无法区分每个字母属于哪个单词，自然无法正确判断该字母所属单词的首字母是否为元音。
• 生成器逻辑错误：first_vowel函数依赖全局的tokens变量，每次调用next(first_vowel())都会重新创建生成器，且每次取的是第一个单词的首元音判断结果，导致所有字母的第三列都复用了第一个单词的结果，最终全为1。

修正后的代码 #

import sys
import re

# 匹配单个字母字符（忽略大小写）
pattern = re.compile("^[a-z]$", re.IGNORECASE)
# 匹配以元音开头的单词（忽略大小写）
starting_vowels = re.compile("^[aeiou]", re.IGNORECASE)
# 匹配元音字符（忽略大小写）
vowel_chars = re.compile("[aeiou]", re.IGNORECASE)

for line in sys.stdin:
    line = line.strip()
    # 按空格拆分每行的单词
    words = line.split()
    for word in words:
        # 判断当前单词首字母是否为元音
        start_vowel_flag = '1' if starting_vowels.match(word) else '0'
        word_len = len(word)
        for idx, letter in enumerate(word.lower()):
            if pattern.match(letter):
                # 判断当前字母是否是单词最后一个字符且为元音
                end_vowel_flag = '1' if (idx == word_len - 1 and vowel_chars.match(letter)) else '0'
                print(f"{letter} 1 {start_vowel_flag} {end_vowel_flag}")

修正说明 #

1. 保留单词归属：遍历每行的每个单词，再遍历单词内的每个字母，确保每个字母都能关联到所属单词的信息。
2. 首元音判断：对每个单词单独判断首字母是否为元音，得到该单词所有字母共用的首元音标记。
3. 尾元音判断：对每个字母，判断它是否是所在单词的最后一个字符且为元音，生成对应的标记。
4. 正则优化：使用re.IGNORECASE简化大小写判断，避免重复写大小写字符集；调整pattern匹配单个字母，判断更精准。

内容的提问来源于stack exchange，提问作者Zaku