使用正则表达式在Python中计算字数 [英] Word counts in Python using regular expression

问题描述

使用正则表达式对文档中的英语单词进行计数的正确方法是什么？

What is the correct way to count English words in a document using regular expression?

我尝试过：

words=re.findall('\w+', open('text.txt').read().lower())
len(words)

但似乎我缺少几个单词（与gedit中的单词数比较）。
我做对了吗？

but it seems I am missing few words (compares to the word count in gedit). Am I doing it right?

非常感谢！

推荐答案

使用\w +不能正确计算包含撇号或连字符的单词，例如，不能将被计为2个单词。它还将计算数字（数字字符串）； b，345和 6.7将分别计为2个单词（ 12和 345， 6和 7）。

Using \w+ won't correctly count words containing apostrophes or hyphens, eg "can't" will be counted as 2 words. It will also count numbers (strings of digits); "12,345" and "6.7" will each count as 2 words ("12" and "345", "6" and "7").

这篇关于使用正则表达式在Python中计算字数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！