Python统计指定词列表在目录下多个文本文件中的出现情况
实现思路
- 初始化两个字典分别存储两类统计结果:
word_exist记录词汇是否在任意文件中出现,初始值为False;word_count记录词汇总出现次数,初始值为0 - 遍历每个文件拆分出词汇列表后,可按需做大小写统一处理,避免大小写差异导致匹配失效
- 逐个匹配待查询词汇,实时更新两个统计字典的数值
- 全部文件遍历完成后直接输出统计结果即可
完整可运行代码
import re # 提前准备好的待查询词汇列表 list_words = ["你的待查词1", "你的待查词2", "你的待查词3"] # 替换为你的目标目录路径 directory = "/xxx/目标目录/" # 初始化统计容器 word_exist = {word: False for word in list_words} word_count = {word: 0 for word in list_words} # 遍历文件(修正原有代码的资源泄漏问题) for i in range(1, 10): file_path = directory + 'text' + str(i) # 用with上下文管理器自动关闭文件,避免资源泄漏 with open(file_path, 'r', encoding='utf-8') as f: textfile = f.read() # 拆分词汇,加r前缀避免转义错误 words_in_textfile = re.split(r'\W{1,}', textfile) # 可选:统一转为小写匹配,不需要可删除该行 words_in_textfile = [w.lower() for w in words_in_textfile] # 统计当前文件的匹配情况 for word in list_words: # 统一转小写匹配,不需要区分大小写可删除.lower() match_word = word.lower() current_cnt = words_in_textfile.count(match_word) if current_cnt > 0: word_exist[word] = True word_count[word] += current_cnt # 输出结果 print("词汇出现情况:") for word, exist in word_exist.items(): print(f"{word}:{'出现过' if exist else '未出现'}") print("\n词汇总出现次数:") for word, cnt in word_count.items(): print(f"{word}:{cnt}次")
注意事项
- 需要区分词汇大小写的话,删除代码中所有
.lower()相关的处理逻辑即可 - 若目标文件编码不是utf-8,修改
open方法中的encoding参数为对应编码即可(比如gbk) - 若待统计词汇包含多词短语或特殊字符,可按需调整
re.split的拆分规则,或者直接用字符串全局匹配的方式统计次数
内容的提问来源于stack exchange,提问作者Olive
相关产品推荐
相关产品推荐

