【python】计算单词出现次数

读取文件内容：从一个文本文件中读 取所有行，并将每一行作为一个元素存储到一个列表中。

去除空行：从列表中移除所有的空行，并确保没有多余的空白行。

统计单词频率：计算文件中每个单词出现的次数，忽略大小写，并输出出现次数最多的前5个单词及其频率。

代码：

import re
from collections import Counter

# 第一步：读取文件内容
file_path = 'filename.txt'  # 请将'your_file.txt'替换为您的文件名
try:
    with open(file_path, 'r', encoding='utf-8') as file:
        lines = file.readlines()
except FileNotFoundError:
    print(f"文件 {file_path} 未找到。")
    exit()

# 第二步：去除空行和多余的空白行
# 使用列表推导式和strip方法去除行尾的空白符（包括换行符），并检查是否为空字符串
cleaned_lines = [line.strip() for line in lines if line.strip()]

# 第三步：统计单词频率
# 使用正则表达式分割单词，并忽略大小写
words = re.findall(r'\b\w+\b', ' '.join(cleaned_lines).lower())
word_counts = Counter(words)

# 输出出现次数最多的前5个单词及其频率
most_common_words = word_counts.most_common(5)
for word, count in most_common_words:
    print(f"{word}: {count}")

小猪：

1. ‌文件路径‌：请确保将'filename.txt'替换为您实际要读取的文件的路径和文件名。
2. ‌错误处理‌：我使用了try-except块来处理文件未找到的情况。
3. ‌单词分割‌：我使用了re.findall方法和正则表达式\b\w+\b来分割单词。这个正则表达式会匹配任何由字母、数字或下划线组成的单词，并且单词前后都有单词边界\b，这样可以确保我们不会将较长的单词分割成多个部分。
4. ‌大小写忽略‌：在将所有行连接成一个字符串后，我使用了.lower()方法来确保在统计单词频率时忽略大小写。
5. ‌输出‌：我使用了Counter类的most_common方法来获取出现次数最多的前5个单词及其频率，并打印出来。

正则表达式\b\w+\b：

• \b是一个单词边界的断言。它匹配的不是一个字符，而是一个位置，这个位置要求紧挨着的字符不能都是单词字符。换句话说，它用于确定单词的开始和结束。
• \w匹配任何单词字符，包括字母、数字和下划线（_）。
• +是一个量词，表示前面的模式（在这个例子中是\w）出现一次或多次。