使用python分析一串文本中的bigrams

Question

我正在尝试使用python来帮助我破解Vigenère密码。我对编程相当陌生，但我设法制作了一个算法来分析一串文本中的二元语音频率。这是我到目前为止有：

import nltk, string 
from nltk import bigrams 

Ciphertext = str(input("What is the text to be analysed?")) 

#Removes spacing and punctuation to make the text easier to analyse 
def Remove_Formatting(str): 
    str = str.upper() 
    str = str.strip() 
    str = str.replace(' ','') 
    str = str.translate(str.maketrans({a:None for a in string.punctuation})) 
    return str 

Ciphertext = Remove_Formatting(Ciphertext) 

#Score is meant to increase if most common bigrams are in the text 
def Bigram(str): 
    Common_Bigrams = ['TH',  'EN',  'NG', 
         'HE',  'AT',  'AL', 
         'IN',  'ED',  'IT', 
         'ER',  'ND',  'AS', 
         'AN',  'TO',  'IS', 
         'RE',  'OR',  'HA', 
         'ES',  'EA',  'ET', 
         'ON',  'TI',  'SE', 
         'ST',  'AR',  'OU', 
         'NT',  'TE',  'OF'] 
    Bigram_score = int(0) 
    for bigram in str: 
     if bigram in Common_Bigrams: 
      Bigram_score += 1 
      return Bigram_score 

Bigram(Ciphertext) 

print (Bigram_score) 

然而，当我试图用一个文本运行此我得到这个错误：

Traceback (most recent call last): 
    File "C:/Users/Tony/Desktop/Bigrams.py", line 36, in <module> 
    print (Bigram_score) 
NameError: name 'Bigram_score' is not defined 

这是什么意思？我以为我已经将Bigram_score定义为一个变量，并且我已经尝试了所有内容，但它仍以这种方式或那种方式返回错误。我做错了什么？请帮助...

由于提前，

托尼

Answer 1

你可以做Bigram_score全球性的，就像这样：

def Bigram(string): # don't override str 
    global Bigram_score 
    Common_Bigrams = ['TH',  'EN',  'NG', 
         'HE',  'AT',  'AL', 
         'IN',  'ED',  'IT', 
         'ER',  'ND',  'AS', 
         'AN',  'TO',  'IS', 
         'RE',  'OR',  'HA', 
         'ES',  'EA',  'ET', 
         'ON',  'TI',  'SE', 
         'ST',  'AR',  'OU', 
         'NT',  'TE',  'OF'] 
    Bigram_score = 0 # that 0 is an integer is implicitly understood 
    for bigram in string: 
     if bigram in Common_Bigrams: 
      Bigram_score += 1 
      return Bigram_score 

您也返回的结果从Bigram功能绑定一个变量，如下所示：

Bigram_score = Bigram(Ciphertext) 

print(Bigram_score) 

或者：

print(Bigram(Ciphertext)) 

当您为函数中的变量赋值时，它们是本地的并绑定到该函数。如果一个函数返回任何东西，返回值必须绑定到一个变量才能正确重用（或直接使用）。

这是它如何工作的例子：

spam = "spam" # global spam variable 

def change_spam(): 
    spam = "ham" # setting the local spam variable 
    return spam 

change_spam() 
print(spam) # prints spam 

spam = change_spam() # here we assign the returned value to global spam 
print(spam) # prints ham 

另外，你的for循环遍历unigram进行，而不是二元语法。让我们仔细看看：

for x in "hellothere": 
    print(x) 

这将打印unigrams。因此，我们重命名代码中的bigram变量，以查看哪里存在一些逻辑问题。

for unigram in string: 
    if unigram in Common_Bigrams: 
     print("bigram hit!") 

由于没有对unigram是相同与任何双字母组，"bigram hit!"将永远不会被打印。我们可以尝试使用不同的方法获得bigrams，使用while循环和索引号。

index = 0 
n = 2 # for bigrams 
while index < len(string)-(n-1): # minus the length of n-1 (n-grams) 
    ngram = string[index:index+n] # collect ngram 
    index += 1 # important to add this, otherwise the loop is eternal! 
    print(ngram) 

接下来，只是在循环中包含你想要用bigram做什么。