[Python]任一个英文的纯文本文件，统计其中的单词出现的个数。(考虑单词-分行）

最新推荐文章于 2021-03-23 19:22:27 发布

原创

最新推荐文章于 2021-03-23 19:22:27 发布 · 9.4k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#python #正则表达式

该博客介绍如何使用Python统计英文纯文本文件中的单词数量，包括处理单词因分行而用'-'连接的情况。通过正则表达式替换标点符号为空格，然后分割单词，特别处理了单词被'-'分隔的情况。

第 0004 题：任一个英文的纯文本文件，统计其中的单词出现的个数。

思路：英文的纯文本文本，除了空格，句号，逗号，感叹号等等全都是单词的分割点，原本想着分开讨论，后来发现网上有人用了正则表达式的替换将所有其他的标点符号替换成空格，再统一分割，我借鉴了这种做法，借鉴代码代码有点问题，我在此基础上进行了修改，而且考虑到英语单词由于一行位置不够，用-连接进行分行的情况，用if语句进行考虑。

代码如下：

#coding=utf-8

import re
def get_word_frequencies(file_name):
    dic = {}
    txt = open(file_name, 'r').read().splitlines()

    n=0
    for line in txt:
        print line
        line = re.sub(