使用正则表达式计算文档中英文单词的正确方法是什么?
我尝试过:
words=re.findall('\w+', open('text.txt').read().lower())
len(words)
但我似乎遗漏了几个单词(与 gedit 中的字数相比)。
我做得对吗?
多谢!
使用 \w+ 将无法正确计算包含撇号或连字符的单词,例如“can't”将被计为 2 个单词。它还会计算数字(数字串); “12,345”和“6.7”各算作 2 个单词(“12”和“345”、“6”和“7”)。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)