20170512 Python练习册0004统计英文的纯文本文件的单词出现的个数

#!/usr/bin/env python
# -*-coding:utf-8-*-

# 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
from collections import Counter
import re

def creat_list(filename):
    data_list = []
    with open(filename,'r',encoding= 'utf-8') as f:#打开文件，encoding=‘utf-8'，不然报UnicodeDecodeError
        for line in f:#循环每一个字母
            content = re.sub(r'[-,]|\d|\?|:|"|!|\.|/|', '', line)#利用正则替换掉数字，字符等，替换为空格
            print(content)#打印看一下是否替换完了
            data_list.extend(content.strip().split(' '))#删除空白符（包括'\n','\r','\t',' '),并以' '空格来切割生成的字符串
    #print(data_list)#打印一遍生成的列表
    return data_list
def wc(fileneme):
    print(Counter(creat_list(fileneme)))#调用creat_list函数处理文件，并用Counter计数
if __name__=='__main__':
    filename = 'F:\python\Python练习册\Walden.txt'
    wc(filename)

需要用到的知识有：

# split(pattern,string,maxsplit=0,flag=0

# split根据匹配到的字符串来分割字符，返回分割字符串组成的列表

 

import re

str4 = 'imooc:C C++ Java Python'

info_split1 = re.split(r':| ',str4)#将字符串str4 按:或者空格 进行分割

print(info_split1)

 

str5 = 'imooc:C C++ Java Python,C#'

info_split2 = re.split(r':| |,',str5)

print(info_split2)#按照冒号: 空格 或者逗号,进行分割成列表

 

Counter

Counter是一个简单的计数器，例如，统计字符出现的个数：

>>> from collections import Counter
>>> c = Counter()
>>> for ch in 'programming':
...     c[ch] = c[ch] + 1
...
>>> c
Counter({'g': 2, 'm': 2, 'r': 2, 'a': 1, 'i': 1, 'o': 1, 'n': 1, 'p': 1})

Counter实际上也是dict的一个子类，上面的结果可以看出，字符'g'、'm'、'r'各出现了两次，其他字符各出现了一次。