Spam filter - krok 1

Budeme vytvářet funkci, která bude umět načíst údaje ze souborů !truth.txt nebo !prediction.txt do datové struktury typu dictionary.

Příprava

Práce s datovou strukturou dictionary (viz [Pilgrim2009], kapitola 2.7, nebo [Wentworth2012], kapitola 20)
- Vytvoření prázdného slovníku
- Přidání páru klíč-hodnota
- Zjištění hodnoty pro klíč
- Vyzkoušejte si procházení položek slovníku pomocí metody items():
```
eng_to_cz = {'cat': 'kocka', 'dog': 'pes', 'house': 'dum' }
for eng, cz in eng_to_cz.items():
    print(eng, ',', cz)
```
Zopakujte si použití sekce
```
if __name__ == "__main__":
```
(viz [Pilgrim2009], kapitola 1.10).

Práce se soubory (viz [Pilgrim2009], kapitola 11, nebo [Wentworth2012], kapitola 13).
- Otevření a uzavření textového souboru
- Použití příkazu with
- Čtení ze souboru (po řádcích)
- Načtení celého obsahu souboru do 1 řetězce
Metoda split() řetězcových proměnných (viz dokumentace k str.split())

Úkol:

V modulu utils.py vytvořte funkci read_classification_from_file pro načtení klasifikace mailů z textového souboru

K čemu nám to bude:

Funkci read_classification_from_file budeme potřebovat při učení filtru (pokud jej budeme učit) a při hodnocení úspěšnosti filtrů.

Funkce read_classification_from_file (v modulu utils.py):

Vstupy:	cesta k textovému souboru (v našem případě to budou typicky soubory `!truth.txt` a `!prediction.txt`)
Výstupy:	`dictionary` obsahující pro každý název souboru identifikátor SPAM nebo OK

Funkce načte textový soubor, v němž jsou na řádku vždy 2 řetězce oddělené mezerou,

email01.txt OK
email02.msg OK
email03.txt SPAM
email1234.txt OK
...

a vytvoří z něj datovou strukturu dictionary (na pořadí jednotlivých “řádků” v následujícím výpisu nezáleží):

{'email1234.txt': 'OK', 'email03.txt': 'SPAM', 'email02.msg': 'OK', 'email01.txt': 'OK'}

Bude-li soubor prázdný, funkce vrátí prázdný slovník.