通過文件夾讀取？

Question

我被分配寫一個抄襲剽竊者的程序。給定一個文件的文件夾，我將如何通過逐個文件遍歷它們，構造每個文件中所有6字短語的列表。這方面的一個例子是

現在是所有善良的人來援助他們的國家的時候。

包含6字詞組： 現在是所有的時間， 是時候讓所有的好， 的時間對所有的好男人， 時間都好男人， ...等等。

ExampleFile=F.read('File') 
index1=0 
index2=5 
List1=[] 
while True: 
    index1+=1 
    index2+=1 
    List1+= Examplefile[index1:index2] 

是我到目前爲止創建的6個單詞短語列表。那麼我怎麼去爲每個文件做這件事，然後比較這些結果來查看是否有任何兩個文件有超過200個相同的短語？我在Python中使用文件做得很少，所以儘可能地減少了一切。謝謝！

Answer 1

由於它是功課，我認爲有幾個鏈接可以幫助您完成更多的代碼。

查看os.listdir，其中列出了遍歷目錄樹的文件夾中的所有文件和os.walk。

然後您可以製作一個列表，其中每個項目是一個詞組的容器。我建議使用每個文件的短語set，以及這些集合的列表，或者可以使用frozenset的set。

然後，您可以將這些集合的所有成對組合與itertools.combinations併爲每對計算intersection。如果任何十字路口的大小高於閾值，則發現剽竊者。

---

您當前的代碼中的註釋：有變量名應以小寫字母開始，大寫名稱用於類的命名約定。