python练习册0004题

在任意一个英文文档中，统计单词出现的次数，

分析:

本题不是很难，单词通常以空格隔开，但是有些单词后面跟一些特殊符号，只需把这些特殊符号替换掉就可以了，

代码一

 import re

 file_name = 'code.txt'

 lines_count = 0
 words_count = 0
 chars_count = 0
 words_dict = {}
 lines_list = []

 with open(file_name, 'r') as f:
     for line in f:
         lines_count = lines_count + 1
         chars_count = chars_count + len(line)
         match = re.findall(r'[^a-zA-Z0-9]+', line)

         #正则 re.findall  的简单用法（返回string中所有与pattern相匹配的全部字串，返回形式为数组）语法：
         for i in match:
             # 只要英文单词，删掉其他字符
             line = line.replace(i, ' ')
         lines_list = line.split()
         for i in lines_list:
             if i not in words_dict:
                 words_dict[i] = 1
             else:
                 words_dict[i] = words_dict[i] + 1

 print('words_count is', len(words_dict))
 print('lines_count is', lines_count)
 print('chars_count is', chars_count)

 for k, v in words_dict.items():
     print( k, v)

该代码有些啰嗦，网上找的，说下思路把，利用正则表达式找到所有的不是字母也不是数字的数据保存下来，然后再访问文本中的数据，将非字母和数字的数据替换为空

弱弱的说一句，直接替换掉不就完了。

代码二：

这是本人所写的，较代码一稍微简洁些；

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)

代码三：

你以为你写的够简洁了吗？不，python早就帮你封装好函数了。

点开才能看。

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')

---

用到的方法说明

正则 re.findall  的简单用法（返回string中所有与pattern相匹配的全部字串，返回形式为数组）
语法：findall(pattern, string, flags=0)

string的replace方法，用后一个参数替换字符串中的前一个参数。

string.split方法

str.split()

单一分隔符，使用str.split()即可 

str.split不支持正则及多个切割符号，不感知空格的数量

re.split()

 多个分隔符，复杂的分隔情况，使用re.split

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

通过正则表达式将字符串分离。如果用括号将正则表达式括起来，那么匹配的字符串也会被列入到list中返回。maxsplit是分离的次数，maxsplit=1分离一次，默认为0，不限制次数。

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.多个字符分割

>>>c='w!w@w%w^w'

>>>re.split(r'[!@%^],c)

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

4.还原?:

>>>re.split(r'(?:!@%^),c)

['w!w@w%w^w']

描述
Python strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列。

注意：该方法只能删除开头或是结尾的字符，不能删除中间部分的字符。

couter 是一个容器，可以统计列表中元素的出现次数.