软件工程第1次作业

软件工程第一次作业

---

要求0：

作业要求地址： http://www.cnblogs.com/ranh941/p/9650231.html

要求1：

git仓库地址： https://git.coding.net/baiys581163com/wf.git

要求2：

PSP阶段表格

PSP阶段	计划所需时间%	实际所需时间%
计划	30	20
*明确需求和其他相关因素，估计每段时间成本	10	5
开发	50	64
*需求分析	5	5
*生成设计文档	5	5
*设计复审	5	2
*代码规范	4	2
*具体要求
功能1	2	2
功能2	2	2
功能3	2	2
*具体编码
功能1	5	15
功能2	5	15
功能3	5	10
*代码审查	5	2
*测试（自测，修改代码，提交修改）	5	2
报告	20	12
*测试报告	10	5
*事后总结	10	7

分析原因：这次项目时间和预计相差太多的主要原因是，

• 1.对python编程不够熟练，实现目标编程时间长。
• 2.缺少整体分析的思想。

要求3：

思路

• 1.从实现基本功能入手，觉得清理文本中的特殊符号比较困难。
• 2.感觉3个功能没什么差别，写个父类，具体处理写子类分析。
• 3.最后解决读取路径下的文件

代码展示

• 1.使用空格分隔单词，结果把每个字符分隔开了，debug了几次，发现.readlines()和.readline()区别.readline()一次读取一行，.readlines()一次读取整个文件，保存在一个list中，每行作为一个元素。本来以为没什么差别，结果得到的结果差距挺大。

def readTxt(path):
    filename = open(path,'r', encoding="utf-8")
    rline = filename.readlines()
    # rline = filename.read()
    # print(collections.Counter(rline))
    words = []
    for line in rline:
        #print(line)
        line = re.sub("[\s+\.\!\/\?_,$%^*&(+\"\')]+|[+——()?【】“”！，。？、~@#￥%……&*（）]]+'", " ", line.lower())
        # line = re.sub("[\u0060|\u0021-\u002c|\u002e-\u002f|\u003a-\u003f|\u2200-\u22ff|\uFB00-\uFFFD|\u2E80-\u33FF]", '',  line)
        line = line.strip()
        #print(line)
        word = line.split(' ')
        words.extend(word)
    #print(words)
    # print(collections.Counter(words))
    filename.close()
    return words

• 2.清理数据，虽然对正则表达式不是很会写，但还好网上找到了个大差不差的，稍作修改也就能用了。

line = re.sub("[\s+\.\!\/\?_,$%^*&(+\"\')]+|[+——()?【】“”！，。？、~@#￥%……&*（）]]+'", " ", line.lower())

• 3.发现字符串和别的语言不同的地方，可以从尾部开始查询，以及字符串截取

files = os.listdir(pathn[6:-5])