实际上你有两个问题。
首先,这:line = re.sub("[^A-Za-z]", "", line.strip())
这将删除行中的所有非字母。这意味着你不再有任何空间可以分割,因此无法将其分割成文字。
接下来,即使你没有这样做,你也要这样做:words = ' '.join(line.split())
这不会给你一个单词列表,而是给你一个字符串,把所有的单词串在一起。(基本上,原始行的所有空格都转换为一个空格。)
所以,在下一行中,当您这样做时:for word in words:
你在一个字符串上迭代,这意味着每个word都是一个字符。因为这就是字符串的含义:一系列字符。
如果您想要每个单词(正如您的变量名所暗示的那样),那么您已经拥有了它们,问题是您将它们重新连接到一个字符串中。不要这样做:words = line.split()
for word in words:
或者,如果要除去字母和空白以外的内容,请使用正则表达式除去字母和空白以外的所有内容,而不是除去字母以外的所有内容,包括空白:line = re.sub(r"[^A-Za-z\s]", "", line.strip())
words = line.split()
for word in words:
然而,这种模式可能仍然不是你想要的。你真的想把'abc1def'变成一个字符串'abcdef',还是变成两个字符串'abc'和'def'?你可能想要这个:line = re.sub(r"[^A-Za-z]", " ", line.strip())
words = line.split()
for word in words:
…或者只是:words = re.split(r"[^A-Za-z]", line.strip())
for word in words: