Python脚本优化需求：识别并统计文本文件中缩写词出现次数

需求：实现Python程序，识别指定文本文件中由2个及以上字母组成（支持大小写）的缩写词，并统计每个缩写词的出现次数。

原代码存在的问题 #

• 仅统计全大写单词的总数量，未区分不同缩写词，也未支持带点的缩写格式（如U.S.A.），不符合“统计每个缩写词出现次数”的核心需求
• 遍历文本逻辑错误：for line in text会将文本拆分为单个字符遍历，而非按行处理
• 冗余使用re.sub替换缩写，未利用正则提取目标内容
• import re放在文件读取的代码块内，不符合Python编码规范

改进后的代码 #

import re
from collections import Counter

# 定义匹配缩写的正则表达式：匹配带点的缩写（如U.S.A.）或全大写无点缩写（含复数结尾s，如CDs）
ACRONYM_PATTERN = r'\b(?:[A-Z]\.){2,}|[A-Z]{2,}s?\b'

def count_acronyms(file_path):
    with open(file_path, 'r', errors='ignore') as file:
        text = file.read()
        # 提取所有匹配的缩写词
        acronyms = re.findall(ACRONYM_PATTERN, text)
        # 处理带点的缩写，统一格式（如U.S.A.转为USA），方便统计
        normalized_acronyms = [acronym.replace('.', '') for acronym in acronyms]
        # 统计每个缩写的出现次数
        acronym_counts = Counter(normalized_acronyms)
        return acronym_counts

if __name__ == '__main__':
    counts = count_acronyms('Larex_text_file.txt')
    print("各缩写词出现次数：")
    for acronym, count in counts.items():
        print(f"{acronym}: {count}")

代码说明 #

1. 正则表达式设计：
   • \b：匹配单词边界，确保提取的是完整单词而非字符串片段
   • (?:[A-Z]\.){2,}：匹配至少2个字母、每个字母后带点的缩写（如U.N.），(?:...)表示非捕获组
   • [A-Z]{2,}s?：匹配至少2个大写字母的缩写，可选结尾s（处理复数形式如CDs）
2. 格式归一化：将带点的缩写去除点号（如U.S.A.转为USA），避免同一缩写因格式不同被重复统计
3. 统计工具：使用collections.Counter高效统计每个缩写的出现次数，直接输出键值对结果

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