python show-me-the-code 第0004

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。

分析：此题重点在于文本的分割和非单词字符的去除

英文文档text.txt内容如下：

I am a pythoner! I like python!
python is great.

代码如下：

# encoding=utf-8  
import re,string
x=''
r=[]
d={}
text=open('text.txt') #获取文本
t=text.readlines() #按行读取全部内容
delEstr=string.punctuation+string.digits #数字和符号的集合（虽然这题是纯英文,但是适用一般文本）
identify=string.maketrans('','') #翻译方法
for i in t:
	i=i.translate(identify,delEstr) #去符号和数字
	r+=i.split() #去空格
for i in r:
	if i not in d.keys():     #统计
		d[i]=1
	else:
		d[i]+=1
print d
print 'The number of word: %d' %len(d)

结果如下：

{'a': 1, 'great': 1, 'love': 1, 'I': 2, 'is': 1, 'am': 1, 'python': 2, 'pythoner': 1}
The number of word: 8
[Finished in 0.2s]