Update exercises 19

Signed-off-by: Manuel Vergara <manuel@vergaracarmona.es>

30-days-of-python/19_Manipulación_de_archivos/01_files.py

@@ -1,11 +1,8 @@
 """
 01_files.py
 """
-import os
 import json
-import nltk
+
-import re
-from data.stop_words import stop_words
 
 # Ejercicio: Nivel 1
 
@@ -130,222 +127,3 @@ for pais, poblacion in diez_paises_mas_poblados():
     print(f"{pais} tiene {poblacion:.2f} millones de habitantes")
 
 print()
-
-# Ejercicios: Nivel 2
-
-# 1. Extrae todas las direcciones
-# de correo electrónico entrantes
-# como una lista del archivo
-# email_exchange_big.txt.
-
-
-def extraer_correos():
-    archivo = 'data/email_exchanges_big.txt'
-    with open(archivo, 'r') as f:
-        lineas = f.readlines()
-        correos = {}
-        for linea in lineas:
-            if linea.startswith('From '):
-                correo = linea.split()[1]
-                if correo in correos:
-                    correos[correo] += 1
-                else:
-                    correos[correo] = 1
-
-        return correos
-
-
-for correo, frecuencia in extraer_correos().items():
-    print(f"{correo} envió {frecuencia} correos")
-
-print()
-
-# 2. Encuentra las palabras más comunes
-# en el idioma inglés.
-# Llama a tu función encontrar_palabras_mas_comunes,
-# tomará dos parámetros:
-# una cadena o un archivo
-# y un número entero positivo
-# que indicará la cantidad de palabras.
-# Tu función devolverá una lista de tuplas
-# en orden descendente.
-
-
-def encontrar_palabras_mas_comunes(archivo, n):
-    with open(archivo, 'r') as f:
-        palabras = f.read().split()
-
-        # Etiquetamos cada palabra con su POS
-        palabras_pos = nltk.pos_tag(palabras)
-
-        # Filtramos las palabras que sean sustantivos o verbos
-        palabras_filtradas = []
-        for palabra, pos in palabras_pos:
-            if pos.startswith('N') or pos.startswith('V'):
-                palabras_filtradas.append(palabra)
-
-        # Contamos las palabras filtradas
-        palabras_freq = {}
-        for palabra in palabras_filtradas:
-            if palabra in palabras_freq:
-                palabras_freq[palabra] += 1
-            else:
-                palabras_freq[palabra] = 1
-
-        # Ordenamos las palabras por frecuencia
-        # y tomamos las n más comunes
-        n_palabras = sorted(
-            palabras_freq.items(),
-            key=lambda x: x[1],
-            reverse=True
-        )[:n]
-
-        # Creamos una lista de tuplas
-        # que contengan el nombre de la palabra
-        # y el número de veces que aparece
-        resultado = []
-        for palabra, frecuencia in n_palabras:
-            resultado.append((palabra, frecuencia))
-
-        return resultado
-
-
-for palabra, frecuencia in encontrar_palabras_mas_comunes('data/romeo_and_juliet.txt', 10):
-    print(f"\"{palabra}\" aparece {frecuencia} veces")
-
-print()
-
-# 3. Utiliza la función encontrar_palabras_mas_comunes para encontrar:
-# a) Las diez palabras más frecuentes utilizadas en el discurso de Obama
-print('Las diez palabras más frecuentes utilizadas en el discurso de Obama')
-for palabra, frecuencia in encontrar_palabras_mas_comunes('data/obama_speech.txt', 10):
-    print(f"\"{palabra}\" aparece {frecuencia} veces")
-
-print()
-
-# b) Las diez palabras más frecuentes utilizadas en el discurso de Michelle
-print('Las diez palabras más frecuentes utilizadas en el discurso de Michelle')
-for palabra, frecuencia in encontrar_palabras_mas_comunes('data/michelle_obama_speech.txt', 10):
-    print(f"\"{palabra}\" aparece {frecuencia} veces")
-
-print()
-
-# d) Las diez palabras más frecuentes utilizadas en el discurso de Melina
-print('Las diez palabras más frecuentes utilizadas en el discurso de Melina')
-for palabra, frecuencia in encontrar_palabras_mas_comunes('data/melina_trump_speech.txt', 10):
-    print(f"\"{palabra}\" aparece {frecuencia} veces")
-
-print()
-
-# c) Las diez palabras más frecuentes utilizadas en el discurso de Trump
-print('Las diez palabras más frecuentes utilizadas en el discurso de Trump')
-for palabra, frecuencia in encontrar_palabras_mas_comunes('data/donald_speech.txt', 10):
-    print(f"\"{palabra}\" aparece {frecuencia} veces")
-
-print()
-
-# 4. Escribe una aplicación Python
-# que verifique la similitud entre dos textos.
-# Toma un archivo o una cadena como parámetro
-# y evaluará la similitud entre los dos textos.
-# Es posible que necesites un par de funciones:
-# una para limpiar el texto (limpiar_texto),
-# una para eliminar las palabras de soporte
-# (eliminar_palabras_soporte)
-# y finalmente para verificar la similitud
-# (verificar_similitud_texto).
-# La lista de palabras de paro
-# se encuentra en el directorio data.
-
-
-def limpiar_texto(texto):
-    # Convertir todo a minúsculas
-    texto = texto.lower()
-
-    # Eliminar caracteres no alfabéticos
-    texto = re.sub(r'[^a-záéíóúñ]', ' ', texto)
-
-    # Eliminar espacios en blanco adicionales
-    texto = re.sub(r'\s+', ' ', texto)
-
-    return texto.strip()
-
-
-def eliminar_palabras_soporte(texto, palabras_soporte):
-    palabras = texto.split()
-    palabras_filtradas = [
-        palabra for palabra in palabras if palabra not in palabras_soporte]
-    return ' '.join(palabras_filtradas)
-
-
-def verificar_similitud_texto(texto1, texto2, palabras_soporte):
-    texto1 = limpiar_texto(texto1)
-    texto2 = limpiar_texto(texto2)
-
-    texto1 = eliminar_palabras_soporte(texto1, palabras_soporte)
-    texto2 = eliminar_palabras_soporte(texto2, palabras_soporte)
-
-    palabras1 = set(texto1.split())
-    palabras2 = set(texto2.split())
-
-    similitud = len(palabras1 & palabras2) / len(palabras1 | palabras2)
-
-    return similitud
-
-
-# Leer los archivos de texto
-with open('./data/michelle_obama_speech.txt', 'r') as f:
-    texto1 = f.read()
-
-with open('./data/melina_trump_speech.txt', 'r') as f:
-    texto2 = f.read()
-
-# Calcular la similitud entre los textos
-similitud = verificar_similitud_texto(texto1, texto2, stop_words)
-
-# Mostrar el resultado como un porcentaje
-porcentaje_similitud = similitud * 100
-print(f"La similitud entre los textos es de un {porcentaje_similitud:.2f}%\n")
-
-
-# 5. Encuentra las 10 palabras más repetidas en romeo_and_juliet.txt.
-
-for palabra, frecuencia in encontrar_palabras_mas_comunes('data/romeo_and_juliet.txt', 10):
-    print(f"\"{palabra}\" aparece {frecuencia} veces")
-print()
-
-# 6. Lee el archivo CSV de hacker news y averigua:
-
-
-def contar_lineas(palabra):
-    archivo = 'data/hacker_news.csv'
-    with open(archivo, 'r') as f:
-        lineas = f.readlines()
-        contador = 0
-        for linea in lineas:
-            if palabra in linea:
-                contador += 1
-        return contador
-
-
-# a) Cuántas líneas contienen python o Python
-
-contador_python = contar_lineas('python') + contar_lineas('Python')
-print(
-    f"El archivo contiene {contador_python} líneas que contienen 'python' o 'Python'.")
-
-# b) Cuántas líneas contienen JavaScript, javascript o Javascript
-
-contador_javascript = contar_lineas(
-    'JavaScript') + contar_lineas('javascript') + contar_lineas('Javascript')
-print(
-    f"El archivo contiene {contador_javascript} líneas que contienen 'JavaScript', 'javascript' o 'Javascript'.")
-
-# c) Cuántas líneas contienen Java y no JavaScript
-
-contador_java = contar_lineas('Java')
-contador_javascript = contar_lineas(
-    'JavaScript') + contar_lineas('Javascript')
-contador_java_sin_javascript = contador_java - contador_javascript
-print(
-    f"El archivo contiene {contador_java_sin_javascript} líneas que contienen 'Java' pero no 'JavaScript', 'javascript' o 'Javascript'.")

30-days-of-python/19_Manipulación_de_archivos/02_files.py

@@ -0,0 +1,225 @@
+"""
+01_files.py
+"""
+import nltk
+import re
+from data.stop_words import stop_words
+
+# Ejercicios: Nivel 2
+
+# 1. Extrae todas las direcciones
+# de correo electrónico entrantes
+# como una lista del archivo
+# email_exchange_big.txt.
+
+
+def extraer_correos():
+    archivo = 'data/email_exchanges_big.txt'
+    with open(archivo, 'r') as f:
+        lineas = f.readlines()
+        correos = {}
+        for linea in lineas:
+            if linea.startswith('From '):
+                correo = linea.split()[1]
+                if correo in correos:
+                    correos[correo] += 1
+                else:
+                    correos[correo] = 1
+
+        return correos
+
+
+for correo, frecuencia in extraer_correos().items():
+    print(f"{correo} envió {frecuencia} correos")
+
+print()
+
+# 2. Encuentra las palabras más comunes
+# en el idioma inglés.
+# Llama a tu función encontrar_palabras_mas_comunes,
+# tomará dos parámetros:
+# una cadena o un archivo
+# y un número entero positivo
+# que indicará la cantidad de palabras.
+# Tu función devolverá una lista de tuplas
+# en orden descendente.
+
+
+def encontrar_palabras_mas_comunes(archivo, n):
+    with open(archivo, 'r') as f:
+        palabras = f.read().split()
+
+        # Etiquetamos cada palabra con su POS
+        palabras_pos = nltk.pos_tag(palabras)
+
+        # Filtramos las palabras que sean sustantivos o verbos
+        palabras_filtradas = []
+        for palabra, pos in palabras_pos:
+            if pos.startswith('N') or pos.startswith('V'):
+                palabras_filtradas.append(palabra)
+
+        # Contamos las palabras filtradas
+        palabras_freq = {}
+        for palabra in palabras_filtradas:
+            if palabra in palabras_freq:
+                palabras_freq[palabra] += 1
+            else:
+                palabras_freq[palabra] = 1
+
+        # Ordenamos las palabras por frecuencia
+        # y tomamos las n más comunes
+        n_palabras = sorted(
+            palabras_freq.items(),
+            key=lambda x: x[1],
+            reverse=True
+        )[:n]
+
+        # Creamos una lista de tuplas
+        # que contengan el nombre de la palabra
+        # y el número de veces que aparece
+        resultado = []
+        for palabra, frecuencia in n_palabras:
+            resultado.append((palabra, frecuencia))
+
+        return resultado
+
+
+for palabra, frecuencia in encontrar_palabras_mas_comunes('data/romeo_and_juliet.txt', 10):
+    print(f"\"{palabra}\" aparece {frecuencia} veces")
+
+print()
+
+# 3. Utiliza la función encontrar_palabras_mas_comunes para encontrar:
+# a) Las diez palabras más frecuentes utilizadas en el discurso de Obama
+print('Las diez palabras más frecuentes utilizadas en el discurso de Obama')
+for palabra, frecuencia in encontrar_palabras_mas_comunes('data/obama_speech.txt', 10):
+    print(f"\"{palabra}\" aparece {frecuencia} veces")
+
+print()
+
+# b) Las diez palabras más frecuentes utilizadas en el discurso de Michelle
+print('Las diez palabras más frecuentes utilizadas en el discurso de Michelle')
+for palabra, frecuencia in encontrar_palabras_mas_comunes('data/michelle_obama_speech.txt', 10):
+    print(f"\"{palabra}\" aparece {frecuencia} veces")
+
+print()
+
+# d) Las diez palabras más frecuentes utilizadas en el discurso de Melina
+print('Las diez palabras más frecuentes utilizadas en el discurso de Melina')
+for palabra, frecuencia in encontrar_palabras_mas_comunes('data/melina_trump_speech.txt', 10):
+    print(f"\"{palabra}\" aparece {frecuencia} veces")
+
+print()
+
+# c) Las diez palabras más frecuentes utilizadas en el discurso de Trump
+print('Las diez palabras más frecuentes utilizadas en el discurso de Trump')
+for palabra, frecuencia in encontrar_palabras_mas_comunes('data/donald_speech.txt', 10):
+    print(f"\"{palabra}\" aparece {frecuencia} veces")
+
+print()
+
+# 4. Escribe una aplicación Python
+# que verifique la similitud entre dos textos.
+# Toma un archivo o una cadena como parámetro
+# y evaluará la similitud entre los dos textos.
+# Es posible que necesites un par de funciones:
+# una para limpiar el texto (limpiar_texto),
+# una para eliminar las palabras de soporte
+# (eliminar_palabras_soporte)
+# y finalmente para verificar la similitud
+# (verificar_similitud_texto).
+# La lista de palabras de paro
+# se encuentra en el directorio data.
+
+
+def limpiar_texto(texto):
+    # Convertir todo a minúsculas
+    texto = texto.lower()
+
+    # Eliminar caracteres no alfabéticos
+    texto = re.sub(r'[^a-záéíóúñ]', ' ', texto)
+
+    # Eliminar espacios en blanco adicionales
+    texto = re.sub(r'\s+', ' ', texto)
+
+    return texto.strip()
+
+
+def eliminar_palabras_soporte(texto, palabras_soporte):
+    palabras = texto.split()
+    palabras_filtradas = [
+        palabra for palabra in palabras if palabra not in palabras_soporte]
+    return ' '.join(palabras_filtradas)
+
+
+def verificar_similitud_texto(texto1, texto2, palabras_soporte):
+    texto1 = limpiar_texto(texto1)
+    texto2 = limpiar_texto(texto2)
+
+    texto1 = eliminar_palabras_soporte(texto1, palabras_soporte)
+    texto2 = eliminar_palabras_soporte(texto2, palabras_soporte)
+
+    palabras1 = set(texto1.split())
+    palabras2 = set(texto2.split())
+
+    similitud = len(palabras1 & palabras2) / len(palabras1 | palabras2)
+
+    return similitud
+
+
+# Leer los archivos de texto
+with open('./data/michelle_obama_speech.txt', 'r') as f:
+    texto1 = f.read()
+
+with open('./data/melina_trump_speech.txt', 'r') as f:
+    texto2 = f.read()
+
+# Calcular la similitud entre los textos
+similitud = verificar_similitud_texto(texto1, texto2, stop_words)
+
+# Mostrar el resultado como un porcentaje
+porcentaje_similitud = similitud * 100
+print(f"La similitud entre los textos es de un {porcentaje_similitud:.2f}%\n")
+
+
+# 5. Encuentra las 10 palabras más repetidas en romeo_and_juliet.txt.
+
+for palabra, frecuencia in encontrar_palabras_mas_comunes('data/romeo_and_juliet.txt', 10):
+    print(f"\"{palabra}\" aparece {frecuencia} veces")
+print()
+
+# 6. Lee el archivo CSV de hacker news y averigua:
+
+
+def contar_lineas(palabra):
+    archivo = 'data/hacker_news.csv'
+    with open(archivo, 'r') as f:
+        lineas = f.readlines()
+        contador = 0
+        for linea in lineas:
+            if palabra in linea:
+                contador += 1
+        return contador
+
+
+# a) Cuántas líneas contienen python o Python
+
+contador_python = contar_lineas('python') + contar_lineas('Python')
+print(
+    f"El archivo contiene {contador_python} líneas que contienen 'python' o 'Python'.")
+
+# b) Cuántas líneas contienen JavaScript, javascript o Javascript
+
+contador_javascript = contar_lineas(
+    'JavaScript') + contar_lineas('javascript') + contar_lineas('Javascript')
+print(
+    f"El archivo contiene {contador_javascript} líneas que contienen 'JavaScript', 'javascript' o 'Javascript'.")
+
+# c) Cuántas líneas contienen Java y no JavaScript
+
+contador_java = contar_lineas('Java')
+contador_javascript = contar_lineas(
+    'JavaScript') + contar_lineas('Javascript')
+contador_java_sin_javascript = contador_java - contador_javascript
+print(
+    f"El archivo contiene {contador_java_sin_javascript} líneas que contienen 'Java' pero no 'JavaScript', 'javascript' o 'Javascript'.")

30-days-of-python/19_Manipulación_de_archivos/README.md

@@ -67,6 +67,9 @@ print(paises_mas_poblados(archivo='./data/countries_data.json', top=3))
 ]
 ```
 
+
+[Solución](01_files.py)
+
 ### Ejercicios: Nivel 2
 
 1. Extrae todas las direcciones de correo electrónico entrantes como una lista del archivo email_exchange_big.txt.
@@ -110,6 +113,6 @@ a) Cuántas líneas contienen python o Python
 b) Cuántas líneas contienen JavaScript, javascript o Javascript
 c) Cuántas líneas contienen Java y no JavaScript
 
-[Solución](01_files.py)
+[Solución](02_files.py)
 
 [<< Day 18](../18_Expresiones_regulares/README.md) | [Day 20 >>](../20_Gestor_de_paquetes_de_Python/README.md)