如何使用Python实现统计多个指定单词在网页中的出现次数

问题原因 #

你现有代码报错的核心原因如下：

• 原count_words函数仅设计为接收单个单词参数，传入多个逗号分隔的参数时会触发参数数量不匹配的报错
• 你写的word = ('movie')本质还是单个字符串，仅加括号不加逗号并不会生成元组，多单词元组的正确写法为words = ('movie', 'cinema', 'ticket')

调整后可支持任意数量单词统计的代码 #

以下实现既可以分别输出每个单词的出现次数，也可以统计所有指定单词的总出现次数：

import requests

# 用*words可变参数接收任意数量的待统计单词
def count_words(url, *words):
    r = requests.get(url).text
    # 生成键为单词、值为对应出现次数的字典返回
    return {word: r.count(word) for word in words}


def main():
    url = 'https://en.wikipedia.org/wiki/AMC_Theatres'
    # 可自行增减此处的单词数量，支持2、3、4个乃至更多单词统计
    target_words = ('movie', 'cinema', 'ticket', 'theater')
    count_result = count_words(url, *target_words)
    total_count = 0
    
    # 分别打印每个单词的统计结果
    for word, cnt in count_result.items():
        print(f'Url: {url}\ncontains {cnt} occurrences of word: {word}\n')
        total_count += cnt
    # 打印所有单词总出现次数
    print(f'所有指定单词的总出现次数为：{total_count}')


if __name__ == '__main__':
    main()

可选优化：精确匹配独立单词 #

现有str.count()实现会区分大小写，且会匹配包含目标词的子串（比如统计movie时，movies里的movie片段也会被计入）。如果需要精确匹配不区分大小写的独立单词，可以改用正则实现，将count_words函数替换为以下版本：

import re
import requests

def count_words(url, *words):
    r = requests.get(url).text
    count_dict = {}
    for word in words:
        # re.IGNORECASE代表不区分大小写，\b代表单词边界
        count_dict[word] = len(re.findall(fr'\b{re.escape(word)}\b', r, flags=re.IGNORECASE))
    return count_dict

内容的提问来源于stack exchange，提问作者CBx12