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。
这道题题意很模糊,统计“单词”其实很复杂,因为需要词典才能知道一个词到底是不是单词,这里应该就是简单的连续英文字母在一块就算一个单词(个人理解),使用正则表达式很简单。
正则表达式很简单,就是东西太多记不住,每次使用都得看一遍,这里有一篇挺好的深入理解正则表达式
下面是代码:
#coding=utf-8
import re
f=open('d:/log/test.txt').read()
regular=r'\b[a-zA-Z]+\b'
result=re.findall(regular,f)
print len(result)
#查看下匹配到的是不是单词
print result