Python中使用正則表達式計算字數

Question

使用正則表達式計算文檔中英文單詞的正確方法是什麼？

我試着用：

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

但似乎我的思念幾句話（比較到word中的gedit計數）。 我在做對吧？

非常感謝！

Answer 1

這似乎按預期工作。

>>> import re 
>>> words=re.findall('\w+', open('/usr/share/dict/words').read().lower()) 
>>> len(words) 
234936 
>>> 
bash-3.2$ wc /usr/share/dict/words 
    234936 234936 2486813 /usr/share/dict/words 

你爲什麼低估你的話？這與計數有什麼關係？

我提交以下會更有效：

words=re.findall(r'\w+', open('/usr/share/dict/words').read()) 

Answer 2

使用\ w +不會正確計算包含撇號或連字符，如詞「不能」將被計爲2個字。它也會統計數字（數字串）; 「12,345」和「6.7」將分別計爲2個字（「12」和「345」，「6」和「7」）。