Google Colab中Python无法正确统计文本文件单词出现次数求助

核心问题 #

你用readlines()读取文件后得到的是每行文本组成的列表，调用myString.count(word)时，只会统计列表中完全等于该单词的整行数量，而不是单词在文本中的实际出现次数。比如文本里某行是"Hello example world"，这行内容不等于"example"，所以统计结果为0。

修正后的代码 #

import os
from google.colab import drive
import string

drive.mount('/content/drive/', force_remount=True)

# 确保目标目录存在
if not os.path.exists('/content/drive/My Drive/Miserables'):
  os.makedirs('/content/drive/My Drive/Miserables')

# 读取整个文本为单字符串并转小写，统一匹配规则
with open("/content/drive/My Drive/Miserables/miserable.txt", 'r') as f:
     full_text = f.read().lower()

# 移除所有标点符号，避免"example."和"example"被视为不同单词
full_text = full_text.translate(str.maketrans('', '', string.punctuation))
# 将文本拆分为单个单词的列表
words_list = full_text.split()

# 统计目标单词
searchWords = ["example"]
for word in searchWords:
    count = words_list.count(word.lower())
    print(f"Word '{word}' appeared {count} time/s.")

进阶优化（可选） #

如果需要处理更复杂的文本场景（比如连字符单词、缩写等），可以用正则表达式精准提取单词：

import re
# 替换原有的拆分步骤
words_list = re.findall(r'\b\w+\b', full_text.lower())

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