如何修复Python单词计数代码以避免重复统计同一单词？

你编写的Python代码用于读取文件中的诗歌并统计单词出现次数，但目前存在两个问题：一是大小写不同的同一单词（如Hi和hi）会被分别统计；二是单词附带的标点（如Hi,里的逗号）也会导致同一单词被误判为不同条目。

原代码 #

def unique_word_count(file):
    words = open(file, "r")
    lines = words.read()
    words = lines.split()
    counts = dict()

    for word in words:
        if word in counts:
            counts[word] += 1
        else:
            counts[word] = 1

    return counts

问题示例 #

输入字符串："Hi, hi, hi how are you"
当前代码输出：

{"Hi":1, "hi":1, "hi":1, "how":1, "are":1, "you":1}

期望输出：

{"hi":3, "how":1, "are":1, "you":1}

修复方案 #

需要从统一大小写和清理标点两个方面入手，同时优化文件操作的安全性：

1. 统一单词大小写：将所有单词转换为小写（或大写），消除大小写差异带来的重复统计，使用str.lower()方法。
2. 清理标点符号：移除单词首尾的标点，避免标点导致的误判，借助string.punctuation和str.strip()实现。
3. 优化文件操作：使用with语句自动管理文件资源，防止文件未关闭的问题。

修复后的完整代码 #

import string

def unique_word_count(file):
    counts = dict()
    # 使用with语句自动关闭文件
    with open(file, "r") as f:
        lines = f.read()
        words = lines.split()
        for word in words:
            # 清理首尾标点并转为小写
            cleaned_word = word.strip(string.punctuation).lower()
            # 跳过清理后为空的字符串（比如纯标点的情况）
            if cleaned_word:
                # 简化计数逻辑，无需if-else判断
                counts[cleaned_word] = counts.get(cleaned_word, 0) + 1
    return counts

修复说明 #

• word.strip(string.punctuation)会移除单词首尾的所有常见标点（逗号、句号、感叹号、问号等），确保hi,和hi被识别为同一个单词。
• .lower()将所有单词转为小写，让Hi、HI、hi统一为hi进行统计。
• counts.get(cleaned_word, 0) + 1是更简洁的计数方式：如果单词不在字典中，默认返回0，加1后存入；如果已存在，则取当前值加1。
• with语句会在代码块结束后自动关闭文件，避免资源泄漏。

测试输入"Hi, hi, hi how are you"，修复后的代码将输出符合期望的结果：{"hi": 3, "how": 1, "are": 1, "you": 1}

内容的提问来源于stack exchange，提问作者flory