Dotaz: kde je chyba python.

[Kamil]

Mam takyto kod.

import string

string_array = ['Jozko', 'mal', 'mal', 'ranajky', 'polievku', 'zvysila','Jozko', 'mal','mal', 'sa', 'mu', 'od', 'vcera','polievku','zvysila']


for i in range(len(string_array)):
     if string_array.count(string_array[i]) > 1:
         added_word_counter = 0
         while True:
             added_word_counter += 1
             searched_string = string_array[i]
             for j in range(added_word_counter):
                searched_string += ' ' + string_array[i + j + 1]
             if string.count(searched_string) > 1:
               	print '>>>>' + searched_string + ': ' + str(string.count(searched_string))
             else:
               	break

a malo by to vypisat :

>>>>Jozko mal mal 
>>>>>polevku zvysila

ale vypisuje mi tam nejaku chybu...vie nniekto poradit?

---

---

Odpovědi

[chrono]

Čo to má vlastne robiť? Má to hľadať opakujúce sa časti a tie vypísať?

[Kamil]

hej presne to to ma robit najst a vypisat.

[NN]

if string.count

Nevola se nahodou metoda na objekt ne na modul?

[kuka]

ale vypisuje mi tam nejaku chybu

A procpak nenapises jakou?

[Kamil]

tu je chuba ktoru vypisuje: TypeError: count() takes at least 1 argument (0 given)

[Sten]

Ta celá chyba je:

Traceback (most recent call last):
  File "test.py", line 14, in <module>
    if string.count(searched_string) > 1:
  File "/usr/lib/python2.7/string.py", line 348, in count
    return s.count(*args)
TypeError: count() takes at least 1 argument (0 given)

Pak se stačí podívat do dokumentace, co vlastně metoda count očekává.

[mike]

cnts = {}
for word in string_array:
    cnts[word] = cnt.setdefault(word,0) + 1

[Jendа]

ale vypisuje mi tam nejaku chybu...vie nniekto poradit?

Napadla mě nějaká rada.

[rADOn]

Pro priste: Kdyz ti to vypisuje "nejakou" chybu tak to "nejak" sprav. Pokud chces poradit, budes muset byt vyrecnejsi. Napsat tu chybu by pomohlo, ale hlavne budes muset popsat o co se vlastne snazis.

Predem ale muzu rici ze tam mas jeste jeden problem, totiz ze tohle neni vubec zadny python. To je nejaky pascal nebo basic nebo podobna hruza znasilnena do neceho co vzdalene pripomina syntaxi pythonu, aniz by to melo s programovanim v pythonu cokoliv spolecneho.

Nechci se te dotknout ale pomoci ti – viditelne jsi zabil znacny cas uplne zbytecne, vymyslenim konstrukci ktere v pythonu nejsou vubec potreba. Najdi si nejdriv nejaky zakladni tutorial pythonu – pokud uz v necem programovat umis tak to probehnes rychle a usetris si ve vysledku spoustu casu. Napriklad, pokud chces v pythonu spojit ona slova od i do j do retezce, tak nebudes psat nekolikaradkovy cyklus, ale napises neco jako

" ".join(string_array[i:j])

Podobnych konstrukci kterymi si jen hazis klacky pod nohy tam mas vice, ale bez znalosti zadani tezko radit.

[Kamil]

tak ide o to ze chcem nacitat subor s textom a potrebujem porovnat kazdy riadok s kazdym a vyhladat spolocne retazne cize uz dve slova, ktore sa opakuju v dvoch riadkoch by to vypisalo.

[rADOn]

Tak to bych z toho vazne nevydedukoval

Porovnavanim vseho na vsechno se daleko nedostanes, budes si muset drzet index ve slovniku. Neni to uplne trivialni uloha a tim spis plati co jsem rikal prve - nejdriv se nauc lepe python. Neni to nic slozityho. Pokud neumis prochazet pole bez range() nema moc smysl resit to dal.

Jen tak pro zajimavost, jakej jazyk jsi delal predtim?

[l4m4]

Nepiš prosím, že musíš porovnávat každý řádek s každým, protože to je, jak to chceš dělat, a bude se to nejspíš řešit inteligentněji.

Je cílem vyhledat všechny sekvence slov o délce alespoň dva (překrývající se/nepřekrývající se, rozdělené mezi řádky/uvnitř řádků/uvnitř každého jednotlivého řádku/... ???) vyskytující se alespoň dvakrát a vypsat je? Zřejmě se má vypsat vždy nejdelší možná sekvence, ale to není vůbec jednoznačné.

A B A B C A B C D A B C D E

Má se vypsat pouze A B, protože je tam nejvícekrát, pouze A B C D, protože je nejdelší, něco jiného ...?

A B C B C D C D A D A B

Tady by se mělo vypsat co? Jsou tam čtyři sekvence, které se všechny vyskytují právě dvakrát, a překrývají se.

Takový problém je prostě zapotřebí specifikovat přesně.

[Kamil]

takze presnejsie je potrebne vyhladat ako pises sekvencie slov o dlzke najmenej dve slova, avsak ked je sekvencia dlhsia, tak ju treba vypisat co najdlhsiu moznu

Tvoja otazka: A B A B C A B C D A B C D E Má se vypsat pouze A B, protože je tam nejvícekrát, pouze A B C D, protože je nejdelší, něco jiného ...? A B C B C D C D A D A B

Moja odpoved:

tu sa ma vypisat iba najdlhsia, prekryvanie sa neberie do uvahy.

[l4m4]

#!/usr/bin/python
import sys, re

def only_multiple_occurences(d):
    return dict((k, v) for k, v in d.iteritems() if len(v) > 1)

def add_to_dict_list(d, k, x):
    if k in d:
        d[k].append(x)
    else:
        d[k] = [x]

# Get words.
words = list(re.findall(r'\w+', sys.stdin.read()))
nwords = len(words)

# Find all bigrams with mutliple occurences and gather their positions.
n = 2
allngrams = [None, words, {}]
ngrams = allngrams[n]
for i in range(nwords+1-n):
    add_to_dict_list(ngrams, tuple(words[i:i+2]), i)
allngrams[n] = only_multiple_occurences(ngrams)

# Find all longer n-grams, searching only at positions of already found shorter
# n-grams.
while allngrams[n]:
    prevngrams = allngrams[n]
    n += 1
    allngrams.append({})
    ngrams = allngrams[n]
    for prevngram, positions in prevngrams.iteritems():
        for i in positions:
            if i + n <= nwords:
                add_to_dict_list(ngrams, prevngram + (words[i+n-1],), i)
    allngrams[n] = only_multiple_occurences(ngrams)

# Print the n-grams, starting from the longest while excluding all n-grams that
# are part of any longer n-gram.
n -= 1
excluded = {}
while n >= 2:
    nextexcluded = set()
    for ngram, positions in allngrams[n].iteritems():
        if ngram not in excluded:
            print ' '.join(ngram) + ' (%ux)' % len(positions)
        nextexcluded.add(tuple(ngram[1:]))
        nextexcluded.add(tuple(ngram[:-1]))
    excluded = nextexcluded
    n -= 1

[mike]

Je to zbytecne komplikovane a kanon na vrabce. Staci

1. Behem prvniho pruchodu pres string_array zjistit pocet vyskutu vsech slov a neuvazovat ty, ktere se vyskutuji min nez 2 krat 
2. Behem druheho pruchodu pres string_array najit nejdelsi retezec, jehoz vsechna slova, jsou v seznamu (slovniku) vytvorenem v 1.kroku
3. Konec

[l4m4]

Talk is cheap. Show me the code.

[mike]

string_array = ['Jozko', 'mal', 'mal', 'ranajky', 'polievku', 'zvysila','Jozko', 'mal','mal', 'sa', 'mu', 'od', 'vcera','polievku','zvysila']

#Prvni pruchod - pocitani vyskytu
cnts = {}
for word in string_array:
    cnts[word] = cnts.setdefault(word,0) + 1

valids = [v for v in cnts.keys() if cnts[v] > 1]

#Druhy pruchod - hledani nejdelsiho vyhovujiciho retezce
max = {'beg': 0, 'end': 0}
cur = {'beg': 0, 'end': 0}
for pos in range(len(string_array)):
    if string_array[pos] in valids:
        cur['end'] += 1

        if not string_array[cur['beg']] in valids:
            cur['beg'] = pos
    else:
        if (cur['end'] - cur['beg']) > (max['end'] - max['beg']):
            max['end'] = cur['end']
            max['beg'] = cur['beg']
        cur['beg'] = pos
        cur['end'] = pos

print string_array[max['beg']:max['end']+1]

[Kamil]

Dakujem velmi pekne :)

[mike]

ten kod ma hromadu chyb a nedodelek, psal jsem to rychle, tak to jeste pouprav.

[l4m4]

Vy jste fakt oba totální magoři, jeden větší expert než druhý.

Jeden napíše, že jednoduchém příkladu má program vypsat

Jozko mal mal 
polevku zvysila

potom nedokáže v deseti příspěvcích popsat, co to přesně má dělat obecně, a na otázky po upřesnění odpovídá nejasnými kecy, které lze interpretovat deseti způsoby, a nakonec označí za řešení nesmyslný program jiného experta, který nevypíše, co má, ani na tom zasraném jednoduchém úvodním příkladu, natož na těch A B C..., které jsem psal já.

Pokud Kamile napíšeš (resp. nenapíšeš, toho jsi nebyl schopen, a muselo se to z tebe složitě dostávat), že má program najít nějaké nejdelší opakující se podsekvence a tenhle program považuješ za řešení, tak se nech vyšetřit. A hlavně se prosím nikdy nepokoušej o programování.

[Kamil]

ako spravne riesenie som oznacil aj tvoje riesenie. tvoje aj pouzijem, cez slovniky som to chcel robit aj ja len som nevedel ako.Tvoje riesenie aj pouzijem. Mikeovo som oznacil preto lebo co som to narychlo vyskusal tak to vypisalo priblizne co malo bola tam chyba ale ako tak to islo...mozno to bude niekomu stacit.

Nemusis sa tu hned rozculovat. Ale dakujem aj tebe za to riesenie :)

[Kamil]

ako by trebalo pozmenit kod aby to nevyhladavalo sposobom ze cely subor nacita do zoznamu a vyhladava najdlhsie opakovanie retazce v nom ale aby sa to bralo iba po riadkoch. Cize najdlhsi retazec co sa bude opakovat moze byt ked sa budu zhodovat dve riadky.

Cize:

Teraz to robi asi tatko:

A B C A B C A B C A B C

vysledok je ze tam je 2 krat retazec A B C A B C

a ja by som z toho potreboval dostat ze tam je 4 krat A B C

[Kamil]

kod sa mysli ten, ktory tu dal l4m4 vyssie v komentaroch.(oznaceni ako riesenie)

[Kamil]

z tohto sa to berie vtedy som nedal formatovanie :)

A B C 
A B C 
A B C
A B C