代码16

需要将cs文件中同一个intend下所有的query构造成a.toks和b.toks用于寻找相同intend却分数很低的句子对

最原始的做法，有30个intend，写一个代码把每个intend从文件中切分出来形成新的文件，然后再写一个代码对每个文件再进行处理，这样的方法很愚蠢，需要很多人工操作，并且还要生成新的文件，并且要写两个代码。如果对于工程来说这种方式是不允许的

每个intend的处理代码：

f = open('/home/xbwang/Desktop/cs_update30','r')
num = 0
line = f.readline()
while True:
    if line[0] == 'Q':
        num = num+1
    elif line[0] == 'R':
        break
    line = f.readline()
print num
num1 = num
f1 = open('/home/xbwang/Desktop/cs_update30','r')
f1.readline()
num = num -1
epoch = num
for i in range(epoch):
    row = f1.readline()[2:]*num
    num = num-1
    #print row
    f2 = open('/home/xbwang/Desktop/a.toks','a')
    f2.write(row)
f3 =  open('/home/xbwang/Desktop/cs_update30','r')
aline = f3.readlines()
#a = aline[num-37:42]
#print a
num1 = num1-1
for j  in range(num1):
    #a1 = aline[num-37:42]
    a = aline[2+j:num1+2]
    #print a1
    for k in a:
        k1 = k[2:]    
        f4 = open('/home/xbwang/Desktop/b.toks','a')
        f4.write(k1)

简便方法，无需将每个intend保存到文件，只需要保存到列表，然后对列表进行操作就可实现任务。以下是生成列表部分的代码，后续只要将intend处理代码稍作改动加入这段代码后面就可以实现整个功能：

f = open('/home/xbwang/Desktop/same-intend/cs_update','r')
same = []
num = 0
for line in f:
    if(line[0] == 'I'):
        num = num+1
f1 = open('/home/xbwang/Desktop/same-intend/cs_update','r')
line1 = f1.readline()
partsame = []
for i in range(num):
    line1 = f1.readline()
    while line1:
        if(line1[0] == 'I'):
            break
        elif(line1[0] == 'Q'):
            partsame.append(line1)
            line1 = f1.readline()
        else:
            line1 = f1.readline()
    same.append(partsame)
    partsame = []

以上这个代码要注意以下几点：

　　　　　　　　　　　　　　1.改变一个列表有两种方式，一种是append函数，一种是same[i]=xxx。开始我写这个代码的时候，same初始化为same = [ ]，然后用来for i in range(): same[i] = .....，这个时候会报数组越界的错误。实际上，same为空列表，是没有下标的，你可以append加元素进空列表，却不能用same[i]=xxx。

　　　　　　　　　　　　　　2.对于一个非空列表，只能用same[i]=xxx来改变这个位置的元素，不能用same[i].append来改变

　　　　　　　　　　　　　　3.在第一点出现问题后，我就思考了same有两种初始化的思路，一个继续为;另一种就是same = [0]*10这种设定了列表的大小，当然这个初始化的0可以是其他东西，看情况而定

 　　　　　　　　　　　　　  4.之所以会出现之前那种很蠢的方法，实际上是对列表作为内存存储没有概念。其他语言中，只要是容器都可以进行中间存储，方便之后进行操作。如果每次都像我之前那样生成一个现成的文件再来处理，效率会大大降低。