异常教程

Python 计算字符串中单词的个数（建议收藏）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

在文本处理和数据分析领域，"Python 计算字符串中单词的个数" 是一个基础但实用的技能。无论是统计文章中的关键词频率，还是分析用户评论的情感倾向，这类需求都要求开发者能够准确解析字符串中的单词边界。本文将从零开始，通过循序渐进的讲解，帮助编程初学者掌握多种实现方法，并为中级开发者提供优化思路。

什么是“单词”？定义与边界条件

在讨论具体实现之前，我们需要明确“单词”的定义。在自然语言处理中，单词通常指由字母组成的独立词汇单位，但实际场景中可能存在以下复杂情况：

  • 分隔符差异：单词之间可能用空格、标点符号（如逗号、句号）或换行符分隔
  • 特殊形式：带连字符的复合词（如 "well-known"）、缩写（如 "Dr."）或带符号的单词（如 "Python3"）
  • 多语言支持：非拉丁字母语言（如中文）的单词边界规则不同

形象比喻：
可以把字符串想象成一串珠子，每个珠子代表一个单词。当我们需要计算珠子数量时，必须先确定哪些线段是分割点（空格、标点），而哪些符号是珠子本身的一部分（如连字符）。

方法一：使用 split() 方法基础实现

Python 的字符串方法 split() 是最直接的解决方案。默认情况下，它会将字符串按空格分割，并返回单词列表。

基础示例

text = "Hello world! This is a test."  
words = text.split()  
print("单词数量：", len(words))  # 输出：6

注意事项

  1. 连续空格处理：split() 会自动忽略多个连续空格，将它们视为一个分隔符
  2. 标点符号问题：末尾的标点（如句号）会被包含在单词内，需额外处理

改进思路：
我们可以先移除标点符号，再进行分割。例如：

import string  
text = "Hello, world! How's it going?"  
clean_text = text.translate(str.maketrans("", "", string.punctuation))  
words = clean_text.split()  
print(len(words))  # 输出：6

方法二：正则表达式精准匹配

正则表达式（Regex）提供了更灵活的解决方案，可以定义复杂的单词模式。

核心正则表达式模式

r"\b\w+\b" 是一个常用模式，其中：

  • \b 表示单词边界（确保匹配完整单词）
  • \w 表示字母、数字或下划线
  • + 表示匹配一个或多个字符

代码实现

import re  
text = "Python3 is fun! Let's code."  
matches = re.findall(r"\b\w+\b", text)  
print("单词数量：", len(matches))  # 输出：4

进阶调整

若需要包含连字符或撇号（如 "don't"、"well-known"），可扩展模式为：

pattern = r"\b[\w'-]+\b"  
matches = re.findall(pattern, text)

边界情况处理：常见陷阱与解决方案

情况1：空字符串或全空格字符串

text = "   "  
print(len(text.split()))  # 输出：0（正确）  
print(len(re.findall(r"\b\w+\b", text)))  # 输出：0

情况2：单词前后带标点

text = '"Hello" world.'

解决方案：结合 strip() 和 translate() 清理符号：

clean_text = text.strip(string.punctuation).translate(...)

性能对比与选择建议

方法适用场景优点缺点
split() + 清理简单场景，无需处理复杂符号代码简洁，执行速度快需手动处理标点和特殊字符
正则表达式需要精确匹配（如连字符、缩写）灵活度高，支持复杂模式正则语法学习成本较高

进阶技巧：处理多行文本与文件输入

示例：统计文本文件中的单词数

def count_words(file_path):  
    with open(file_path, 'r') as file:  
        content = file.read()  
        words = re.findall(r"\b\w+\b", content)  
    return len(words)  

print(count_words("sample.txt"))  # 假设文件有 100 个单词 → 输出 100

中级开发者扩展：自定义分词逻辑

场景：处理带下划线的变量名

text = "Python is great for user_name and variable_200"  
matches = re.findall(r"\b[\w_]+\b", text)  
print(len(matches))  # 输出：5

场景：排除数字

pattern = r"\b[a-zA-Z]+\b"

总结

通过本文的讲解，我们掌握了两种核心方法（split() 和正则表达式）来实现 "Python 计算字符串中单词的个数"。选择具体方法时，需结合数据特点和精度要求：

  • 简单场景：优先使用 split() 方法，配合符号清理
  • 复杂场景：采用正则表达式，定义精确的匹配模式

编程的本质是解决问题，而文本处理正是 Python 的强项之一。希望读者能通过本文的案例和代码示例，逐步掌握字符串操作的核心技巧，并将其应用到实际项目中。

最新发布

查看更多文章