Python 如何计算另一个.txt文件中项目列表的出现次数？

我有一个单词列表，我想知道它们在一个.txt文件中出现了多少次。单词列表如下所示：

wordlist = ['cup', 'bike', 'run']

我不仅想学会这些单词，还想学会CUP、biker、running、Cups等，所以我想我需要一个正则表达式。以下是我的想法，但它不起作用：

len(re.findall(wordlist, filename, re.I))

---

提前谢谢

你很接近了。但是

re.findall

采用的是模式和字符串，而不是单词列表和文件名

但是，如果您将文件读入字符串并将单词列表转换为模式，那么您将得到它

您需要的模式如下所示：

r“cup | bike | run”

。你可以做

“|”。加入（单词列表）

来获得这个

这是计算所有这些实例的一种非常宽松的方法。请注意，如果您的文件中有“我的警棍已被打烂”字样，则

re.findall

将在较大的字样中找到“run”和“cup”。所以你可能想调整你的模式来捕捉单词的开头和结尾

---

要仅获取整个单词，请使用以下模式：

r“\b（杯赛|自行车|跑步）\b”

。当然，您需要填写您要查找的所有单词变体。

您很接近了。但是

re.findall

采用的是模式和字符串，而不是单词列表和文件名

但是，如果您将文件读入字符串并将单词列表转换为模式，那么您将得到它

您需要的模式如下所示：

r“cup | bike | run”

。你可以做

“|”。加入（单词列表）

来获得这个

这是计算所有这些实例的一种非常宽松的方法。请注意，如果您的文件中有“我的警棍已被打烂”字样，则

re.findall

将在较大的字样中找到“run”和“cup”。所以你可能想调整你的模式来捕捉单词的开头和结尾

---

要仅获取整个单词，请使用以下模式：

r“\b（杯赛|自行车|跑步）\b”

。当然，您需要填写您正在寻找的所有单词变体。

正则表达式需要工作，但这应该让您开始：

from __future__ import with_statement # only if < 2.6
from collections import defaultdict
import re

matches = defaultdict(int)
with open(filename) as f:
    for mtch in re.findall(r'\b(cup|bike|run)', f.read(), re.I):
        matches[mtch.lower()] += 1

from uuu future uuu与u语句一起导入#仅当<2.6
从集合导入defaultdict
进口稀土
matches=defaultdict（int）
打开（文件名）为f时：
对于有关findall（r'\b（杯赛自行车赛）的mtch，f.read（），关于I）：
匹配[mtch.lower（）]+=1

正则表达式需要工作，但这应该让您开始：

from __future__ import with_statement # only if < 2.6
from collections import defaultdict
import re

matches = defaultdict(int)
with open(filename) as f:
    for mtch in re.findall(r'\b(cup|bike|run)', f.read(), re.I):
        matches[mtch.lower()] += 1

from uuu future uuu与u语句一起导入#仅当<2.6
从集合导入defaultdict
进口稀土
matches=defaultdict（int）
打开（文件名）为f时：
对于有关findall（r'\b（杯赛自行车赛）的mtch，f.read（），关于I）：
匹配[mtch.lower（）]+=1

你首先要猜出所有形式的单词，这似乎是一个挑战。但这里有一个简化的fn，我在阅读后写道：

---

它在猜测单词的变体方面过于慷慨，但这是可以的，因为这不是拼写检查，您将在两侧使用\b作为单词边界。

您必须首先猜测单词的所有形式，这似乎是一个错误。但这里有一个简化的fn，我在阅读后写道：

---

它在猜测单词的变体方面过于慷慨-但这没关系，因为这不是拼写检查，您将在两侧使用\b作为单词边界。

即使添加单词的开头和结尾调整，仍然会有不应该找到的单词（例如“hiccup”、“runt”等）。也许使用WordNet或其他一些字典之类的东西来查找一个单词的所有不同形式，然后在搜索词的两侧使用单词边界……谢谢，@tgray。我已经调整了我的答案，加入了一个匹配整个单词的模式。谢谢eksortso！我不明白模式/字符串的区别，现在我明白了。我实际使用的单词表是由较长的单词组成的，所以我不应该碰到cup and run出现的奇怪问题，但我肯定会更多地考虑只使用整个单词。谢谢@埃克索索，不客气！显然，WortNet在屈折形式的转换上是单向的；然而，WolframAlpha/Mathmatica在这方面做得相当好，即使添加单词tweak的开头和结尾，仍然会有不应该找到的单词（例如“hiccup”、“runt”等）。也许使用WordNet或其他一些字典之类的东西来查找一个单词的所有不同形式，然后在搜索词的两侧使用单词边界……谢谢，@tgray。我已经调整了我的答案，加入了一个匹配整个单词的模式。谢谢eksortso！我不明白模式/字符串的区别，现在我明白了。我实际使用的单词表是由较长的单词组成的，所以我不应该碰到cup and run出现的奇怪问题，但我肯定会更多地考虑只使用整个单词。谢谢@埃克索索，不客气！显然，WortNet在屈折形式的转换上是单向的；然而，WolframAlpha/Mathmatica在这方面做得相当好，不清楚你所做的是否有必要。你要解决的是当OP说“每个单词出现了多少次”时“每个单词出现了多少次”——在我看来，似乎不需要单独计算。此外，只检查单词的开头也是一个问题-它会在丘比特中“找到”杯子，在符文中运行，在无肉中运行肉，因此不清楚您是否需要这样做。你要解决的是当OP说“每个单词出现了多少次”时“每个单词出现了多少次”——在我看来，似乎不需要单独计算。此外，只检查单词开头也是个麻烦-它会在丘比特中“找到”杯子，在符文中运行，在无肉中运行，等等