Python代码排查：统计文件高频邮箱时频率计算错误

错误原因分析 #

1. 统计字典重复初始化：count = dict()写在逐行处理的循环内部，每次处理一行都会新建空字典，完全无法累积所有邮箱的出现次数，最终字典里只会保留最后一次处理的邮箱，次数固定为1。
2. 最大值变量重复重置：bigcount=0和bigword=None同样放在循环内部，每处理一行就会重置最大值记录，无法持续追踪全局的最高发送次数。
3. 行匹配逻辑不准确：line.startswith('From')会误匹配From:开头的邮件头部行（这类行的第二个元素不是有效邮箱地址），应该用line.startswith('From ')（带空格）精准匹配邮件发送记录行。

修正后的代码 #

name = input("Enter file:")
if len(name) < 1:
    name = "mbox-short.txt"
handle = open(name)

# 初始化统计字典和最大值变量，放在循环外部保证全局有效
count = dict()
bigcount = 0
bigword = None

for line in handle:
    line = line.rstrip()
    # 精准匹配发送记录行
    if line.startswith('From '):
        words = line.split()
        email = words[1]
        # 累积统计邮箱出现次数
        count[email] = count.get(email, 0) + 1

# 遍历统计结果找出最高频邮箱
for email, times in count.items():
    if times > bigcount:
        bigcount = times
        bigword = email

print(bigword, bigcount)

修正说明 #

• 把统计相关的初始化代码移到循环外部，确保统计过程是全局累积的。
• 调整行匹配条件，避免误处理非发送记录的行。
• 将最大值遍历逻辑移到文件读取完成后，只需要遍历一次统计好的字典，既保证结果准确也提升了效率。

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