文件处理与字符串操作：对话文本分析及文件生成任务

任务说明 #

现有对话脚本存储于文件conv.txt中，需完成以下两项技术任务：

• 统计对话中唯一对话者的数量；
• 为每个对话者创建对应的文本文件，将该角色所说的唯一单词逐行存入对应文件。

示例对话翻译 #

原文：
WILL: I’ve never seen wildlings do a thing like this. I’ve never seen a thing like this, not ever in my life.

WAYMAR ROYCE: How close did you get?

WILL: Close as any man would.

中文翻译：
威尔：我从没见过野人干出这种事。我这辈子都没见过这种事，从来没有。

韦玛·罗伊斯：你离得有多近？

威尔：近到任何人能达到的地步。

Python实现代码 #

import re
from collections import defaultdict

# 读取对话文件
with open('conv.txt', 'r', encoding='utf-8') as f:
    lines = [line.strip() for line in f if line.strip()]

# 解析对话内容，收集每个对话者的唯一单词
speaker_words = defaultdict(set)
for line in lines:
    match = re.match(r'^([A-Z\s]+):\s*(.*)$', line)
    if match:
        speaker = match.group(1).strip()
        content = match.group(2)
        # 提取单词，保留带撇号的形式（如I’ve），过滤无效字符
        words = re.findall(r'\b\w+\’?\w+\b', content)
        for word in words:
            speaker_words[speaker].add(word)

# 统计并输出唯一对话者数量
unique_speaker_num = len(speaker_words)
print(f"唯一对话者数量：{unique_speaker_num}")

# 为每个对话者生成对应文件
for speaker, unique_words in speaker_words.items():
    filename = f"{speaker.replace(' ', '_')}.txt"
    with open(filename, 'w', encoding='utf-8') as f:
        for word in sorted(unique_words):
            f.write(f"{word}\n")
    print(f"已生成文件：{filename}")

代码说明 #

• 用正则表达式精准匹配对话行的"对话者: 内容"格式，避免解析错误；
• 使用set存储单词，自动实现去重，确保每个单词仅保留一次；
• 处理对话者名称中的空格，生成合法的文件名（如WAYMAR_ROYCE.txt）；
• 写入文件前对单词按字母排序，保持内容整洁。

内容的提问来源于stack exchange，提问作者Immortal Bhoot