Python程式：統計文字檔案中的單詞數

---

在處理文字處理和分析任務時，通常需要統計文字檔案中的單詞數。目標是確定檔案中存在的單詞總數。Python 提供了幾個模組和函式，可以高效有效地執行單詞計數任務。

在本文中，我們將探討使用 Python 程式設計從文字檔案獲取單詞總數的不同方法。

方法

以下是統計文字檔案單詞數的步驟：

• 開啟文字檔案 - 使用 open() 函式以讀取模式開啟文字檔案。指定檔案路徑作為引數。

• 讀取檔案內容 - 使用 read() 方法將檔案的全部內容讀取到字串變數中。

• 將內容分割成單詞 - 將內容字串分割成單詞列表。我們可以使用 split() 方法或正則表示式模式 (\b\w+\b) 來分割內容。

• 統計單詞數 - 確定列表中的單詞數。我們可以使用 len() 函式獲取列表的長度。

• 最後，返回單詞計數。

在本文中，我們將使用以下文字檔案作為輸入。

使用 split() 方法

split() 是一個 Python 字串方法，它根據指定的定界符將字串分割成子字串列表。split() 方法可以使用空格作為預設定界符將字串分割成單詞。

示例

這是一個統計文字檔案單詞數的示例。

def count_words(filename):
    try:
        with open(filename, 'r') as file:
            content = file.read()
            words = content.split()
            word_count = len(words)
            return word_count
    except FileNotFoundError:
        print(f"File '{filename}' not found.")
        return 0

# Provide the path of the text file
file_path = 'Example_text_file.txt'

# Call the function to count words
total_words = count_words(file_path)

print("Total number of words in the file: {}".format(total_words))

輸出

File 'Example_text_file.txt' not found.
Total number of words in the file: 0

使用 collections 模組

在這種方法中，我們使用 collections 模組中的 Counter 類來統計檔案中每個單詞的出現次數。

Counter 物件提供了一個類似字典的結構，其中每個單詞都是鍵，其對應的值表示文字中出現的次數。然後，我們使用 sum() 函式將所有值相加，以獲得單詞總數。

示例

在這個示例中，我們將使用 collections.Counter() 方法來統計文字檔案中存在的單詞數。

import collections

def count_words(filename):
    try:
        with open(filename, 'r') as file:
            word_count = collections.Counter(file.read().split())
            return sum(word_count.values())
    except FileNotFoundError:
        print(f"File '{filename}' not found.")
        return 0

# Provide the path of the text file
file_path = 'Example_text_file.txt'

# Call the function to count words
total_words = count_words(file_path)

print("Total number of words in the file: {}".format(total_words))

輸出

File 'Example_text_file.txt' not found.
Total number of words in the file: 0

使用正則表示式

在這裡，我們將使用 re 模組中的 re.findall() 函式，使用正則表示式模式從檔案內容中提取所有單詞。模式 \b\w+\b 匹配任何由單詞邊界包圍的一個或多個單詞字元（字母、數字或下劃線）的序列。

findall() 函式返回在內容中找到的所有匹配項的列表。然後，我們確定列表的長度以獲得單詞總數。

示例

這是另一種使用 Python 中的正則表示式統計文字檔案單詞數的方法。

import re

def count_words(filename):
    try:
        with open(filename, 'r') as file:
            content = file.read()
            words = re.findall(r'\b\w+\b', content)
            word_count = len(words)
            return word_count
    except FileNotFoundError:
        print(f"File '{filename}' not found.")
        return 0

# Provide the path of the text file
file_path = 'Example_text_file.txt'

# Call the function to count words
total_words = count_words(file_path)

print(f"Total number of words in the file: {total_words}")

輸出

File 'Example_text_file.txt' not found.
Total number of words in the file: 0

這些是使用 Python 程式設計統計文字檔案單詞數的不同方法。