Python去除标点并生成词频字典：函数实现问题求助

我看了你的代码，确实有几个地方需要调整，咱们一步步来捋清楚：

你的代码存在的核心问题 #

• 标点处理无效：你最后那个循环里的"".join([ c if not c.isalpha() else "" for c in result])完全没起作用——首先你遍历的是result的键，但这个join操作的结果没有赋值给任何变量，而且判断逻辑搞反了（应该是保留字母，去掉非字母，你写反了）。
• 单词分割有漏洞：用split(' ')只会按单个空格分割，如果字符串里有多个连续空格、制表符或者换行，会产生空字符串，这些空字符串也会被统计进去，导致结果出错。
• 统计顺序错误：你先把带标点的单词统计了，再想着清理标点，这时候已经把hello!和hello当成两个不同的单词了，统计结果自然不对。

修正后的代码 #

import string

def word_dic(input_string):
    # 1. 转换为小写
    lower_str = input_string.lower()
    
    # 2. 去除所有标点符号：把标点替换为空字符串
    cleaned_str = lower_str.translate(str.maketrans('', '', string.punctuation))
    
    # 3. 分割单词：用split()自动处理任意空白符，避免空字符串
    words = cleaned_str.split()
    
    # 4. 统计单词频率
    result = {}
    for word in words:
        if word in result:
            result[word] += 1
        else:
            result[word] = 1
    # 或者用collections.defaultdict会更简洁：
    # from collections import defaultdict
    # result = defaultdict(int)
    # for word in words:
    #     result[word] += 1
    
    return result

代码解释 #

• 标点处理：我用了string.punctuation（它包含了所有常见的标点符号），配合str.maketrans创建翻译表，直接把所有标点替换为空，比手动判断每个字符高效得多。
• 单词分割：split()不带参数时，会自动把任意连续的空白字符（空格、制表符、换行等）作为分隔符，而且不会产生空字符串。
• 统计逻辑：先清理好单词，再进行统计，这样带标点和不带标点的同一个单词会被归为一类。

举个测试例子：

test_str = "Hello! Hello world. World world, hello?"
print(word_dic(test_str))
# 输出：{'hello': 3, 'world': 3}

这样就完全符合你的需求啦！

内容的提问来源于stack exchange，提问作者Miguel 2488