在任意一個英文文件中，統計單詞出現的次數，

分析:

本題不是很難，單詞通常以空格隔開，但是有些單詞後面跟一些特殊符號，只需把這些特殊符號替換掉就可以了，

程式碼一

 1 import re
 2 
 3 file_name = 'code.txt'
 4 
 5 lines_count = 0
 6 words_count = 0
 7 chars_count = 0
 8 words_dict = {}
 9 lines_list = []
10 
11 with open(file_name, 'r') as f:
12     for line in f:
13         lines_count = lines_count + 1
14
 
         chars_count = chars_count + len(line)
15         match = re.findall(r'[^a-zA-Z0-9]+', line)
16 
17         #正則 re.findall  的簡單用法（返回string中所有與pattern相匹配的全部字串，返回形式為陣列）語法：
18         for i in match:
19             # 只要英文單詞，刪掉其他字元
20             line = line.replace(i, ' ')
21         lines_list = line.split()
 
22         for i in lines_list:
23             if i not in words_dict:
24                 words_dict[i] = 1
25             else:
26                 words_dict[i] = words_dict[i] + 1
27 
28 print('words_count is', len(words_dict))
29 print('lines_count is', lines_count)
30 print('chars_count is', chars_count)
 
31 
32 for k, v in words_dict.items():
33     print( k, v)

該程式碼有些囉嗦，網上找的，說下思路把，利用正則表示式找到所有的不是字母也不是數字的資料儲存下來，然後再訪問文字中的資料，將非字母和數字的資料替換為空

弱弱的說一句，直接替換掉不就完了。

程式碼二：

這是本人所寫的，較程式碼一稍微簡潔些；

import  re
f=open("code.txt",'r')
s=f.read()
s.replace("[^a-zA-Z]",' ')
s=s.split()
word={}
for i in s:
    if i not in  word:
        word[i]=1
    else:
        word[i]=word[i]+1
for k,v in word.items():
    print(k,v)

程式碼三：

你以為你寫的夠簡潔了嗎？不，python早就幫你封裝好函數了。

點開才能看。

import collections
import re
 
def calwords(path):
    word = []
    with open(path) as file:
        data = file.readlines()
    for line in data:
        word += re.split(' |，',line.strip('\n'))
    print(collections.Counter(word))
 
 
if __name__ == '__main__':
    calwords('e://code.txt')

用到的方法說明

正則 re.findall  的簡單用法（返回string中所有與pattern相匹配的全部字串，返回形式為陣列）
語法：findall(pattern, string, flags=0)

string的replace方法，用後一個引數替換字串中的前一個引數。

string.split方法

str.split()

單一分隔符，使用str.split()即可 

str.split不支援正則及多個切割符號，不感知空格的數量

re.split()

 多個分隔符，複雜的分隔情況，使用re.split

原型： re.split(pattern, string, maxsplit=0)

通過正則表示式將字串分離。如果用括號將正則表示式括起來，那麼匹配的字串也會被列入到list中返回。maxsplit是分離的次數，maxsplit=1分離一次，預設為0，不限制次數。

eg:

>>>a='w w w'

>>>import re

1.空格分

>>>re.split(r'[\s]',a)

['w','w','w']

2.只分割一次

>>>re.split(r'[\s]',a,1)

['w','ww']

3.多個字元分割

>>>c='[email protected]%w^w'

>>>re.split(r'[[email protected]%^],c)

['w','w','w','w','w']

4.還原?:

>>>re.split(r'(?:[email protected]%^),c)

['[email protected]%w^w']

 

描述
Python strip() 方法用於移除字串頭尾指定的字元（預設為空格或換行符）或字元序列。

注意：該方法只能刪除開頭或是結尾的字元，不能刪除中間部分的字元。

couter 是一個容器，可以統計列表中元素的出現次數.