如何用Python统计文本文件中以P开头的唯一字符串出现次数

问题说明 #

需要从文本文件中提取所有以P开头的子串，统计每个唯一子串的出现次数。这些子串可能连在一起、分布在文件的多行或多列中。

示例输入 #

P000013BP000005BP000010BP000045B
P000013BP000045BP000011A
IA1

预期输出 #

P000013B 2
P000005B 1
P000010B 1
P000045B 2
P000011A 1

实现代码 #

import re
from collections import Counter

def count_p_prefix_entries(file_path):
    # 读取文件全部内容，处理跨行情况
    with open(file_path, 'r', encoding='utf-8') as file:
        full_content = file.read()
    
    # 匹配所有以P开头、直到下一个P或字符串结束的子串
    p_pattern = r'P[^P]+'
    matched_strings = re.findall(p_pattern, full_content)
    
    # 统计每个子串的出现次数
    count_stats = Counter(matched_strings)
    
    # 按要求格式输出结果
    for string, count in count_stats.items():
        print(f"{string} {count}")

# 替换为你的目标文件路径
count_p_prefix_entries("target_file.txt")

代码说明 #

• 读取文件全部内容：避免逐行处理时遗漏跨行的子串
• 正则表达式r'P[^P]+'：精准匹配以P开头的子串，遇到下一个P就停止，刚好拆分出所有目标子串
• Counter工具：简洁高效地完成频次统计，无需手动维护字典计数
• 格式输出：直接遍历统计结果，按照子串 次数的格式打印

内容的提问来源于stack exchange，提问作者siva arumugam