python - 使用正则表达式在 Python 中进行字数统计

Question

使用正则表达式计算文档中英文单词的正确方法是什么？

我试过:

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

但似乎我遗漏了几个字(与 gedit 中的字数相比)。 我做得对吗？

非常感谢!

Answer 1

使用\w+ 不会正确计算包含撇号或连字符的单词，例如“can't”将被算作 2 个单词。它还会计算数字(数字串)； “12,345”和“6.7”将分别算作 2 个单词(“12”和“345”、“6”和“7”)。