Python 文本文件统计

Question

我正在尝试使用 python 读取一个简短的文本文件，通过删除标点符号(: , . ! ?)来清理它并查找行数和单词数。我创建的文件有 3 行，但在我删除标点符号后它显示有 5 行...我做错了什么？请帮忙。这是我的

word_count = 0
line_count = 0
with open('book.txt','r') as file:
    data = file.read()
    for char in ': , . ! ?':
        data = data.replace(char,' ')
    wordslist = data.split()
    for line in wordslist:
        line_count += 1
        word_count += len(wordslist)
print(word_count,line_count)

Answer 1

您的代码存在一些问题。

具体来说，不带参数的 split() 方法在任何空白 而不是行边界 上拆分字符串。 splitlines() 将按行拆分。

此外您的代码:

word_count += len(wordslist)

将单词列表的长度添加到 wordslist 的每个元素的字数中。这几乎肯定不是您想要的!

另请注意您的代码:

for char in ': , . ! ?': 
    data = data.replace(char,' ')

将提供的字符串 (': , . ! ?':') 中的每个字符替换为空格。但是，由于您的字符串本身包含空格，因此您不必要地将 data 中的所有空格替换为空格 4 次以上。它不会改变结果，但会降低您的代码效率。

相反，您可以使用如下代码获得更正确的结果:

with open('book.txt','r') as file:
    data = file.read()
    for char in ':,.!?':
        data = data.replace(char,' ')
    word_count = len(data.split())      #count of words separated by whitespace
    line_count = len(data.splitlines()) #count of lines in data
print(word_count,line_count)

---

附录

评论中也有人问如何获取字符数。假设字符数应该计算所有非空白字符(制表符、换行符等)或特殊字符列表中的所有字符，那么可以使用正则表达式来完成:

import re
   #original code that stripped out punctuation here
   chars_only = re.sub(r"\s+", "", data, flags=re.UNICODE)
   char_count = len(chars_only)

re.sub 执行正则表达式替换，替换匹配表达式 r"\s+" 的字符(相当于 "所有空白字符") 与第二个参数 - 在本例中为空字符串。

但是，应该注意的是，此 char_count 将包括任何不在原始特殊标点字符列表(例如撇号)中的标点字符。