如何使用Python统计TXT文件中不含特殊字符的字符数及最长单词

前置说明 #

将待处理的TXT文件和Python代码放在同一文件夹，或者填写TXT文件的绝对路径即可运行，所有方案都不需要额外安装第三方依赖。

基础写法（无复杂语法，易理解） #

我们会分两步完成需求，中间变量逻辑清晰，适合入门阶段学习：

# 定义需要排除的特殊字符集合
exclude_chars = {'.', ',', ';', '!', ':'}
# 有效字符计数器
valid_char_total = 0

# 读取TXT文件，把'你的文件.txt'替换为实际的文件名
with open('你的文件.txt', 'r', encoding='utf-8') as f:
    content = f.read()
    cleaned_content = ''
    # 逐字符处理，过滤特殊字符
    for char in content:
        if char not in exclude_chars:
            cleaned_content += char
            valid_char_total += 1

# 输出有效字符总数
print(f"排除特殊字符后的总字符数：{valid_char_total}")

# 拆分单词、查找最长单词
word_list = cleaned_content.split()
if not word_list:
    print("文件内无有效单词")
else:
    # 按单词长度取最大值
    longest_word = max(word_list, key=lambda x: len(x))
    print(f"最长有效单词：{longest_word}，单词长度：{len(longest_word)}")

简化写法（熟悉基础语法后使用） #

如果已经掌握基础语法，可以用正则表达式简化处理逻辑：

import re

# 匹配所有需要排除的特殊字符的正则规则
exclude_rule = r'[.,;!:]'

with open('你的文件.txt', 'r', encoding='utf-8') as f:
    content = f.read()
    # 批量替换所有特殊字符为空
    cleaned_content = re.sub(exclude_rule, '', content)
    valid_char_total = len(cleaned_content)
    word_list = cleaned_content.split()
    longest_word = max(word_list, key=lambda x: len(x)) if word_list else '无有效单词'

print(f"排除特殊字符后的总字符数：{valid_char_total}")
print(f"最长有效单词：{longest_word}")

注意事项 #

• 上述拆分单词的逻辑默认按空格拆分，适合纯英文、中英混排内容，如果是纯中文内容需要调整分词规则
• 如果需要新增其他需要排除的特殊字符，直接往基础写法的exclude_chars集合，或者正则规则的中括号里加对应字符即可

内容的提问来源于stack exchange，提问作者user17264517