Python实现文本词频统计：基于字典与正则表达式的高效方法
发布时间：2026-10-13 |
4人浏览过
本文介绍如何使用Python统计文章中的单词出现次数。核心思路利用字典记录单词及其频次，结合正则表达式精准提取单词，并通过文件读写功能处理文本数据。文章提供了完整的Counter类实现代码，演示如何从文件中读取内容、清洗数据并排序输出高频单词，适合Python初学者学习数据结构应用与文本处理技巧。
Python统计单词出现次数概述
Python统计单词出现次数
基于字典的词频统计原理
在进行单词词频统计时，字典（Dictionary）是最理想的数据结构。我们将单词作为字典的键（Key），将单词出现的次数作为值（Value）。这种方式能够高效地记录每个单词的频率，其逻辑类似于电话本，将每个名字与对应的电话号码进行关联。
代码实现与执行效果
以下是具体的实现代码，该程序实现了从 importthis.txt 文件中读取文本内容，并统计出现频率最高的前5个单词。
# -*- coding:utf-8 -*-
import io
import re
class Counter:
def __init__(self, path):
"""
:param path: 文件路径
"""
self.mapping = dict()
with io.open(path, encoding="utf-8") as f:
data = f.read()
words = [s.lower() for s in re.findall("\w+", data)]
for word in words:
self.mapping[word] = self.mapping.get(word, 0) + 1
def most_common(self, n):
assert n > 0, "n should be large than 0"
return sorted(self.mapping.items(), key=lambda item: item[1], reverse=True)[:n]
if __name__ == '__main__':
most_common_5 = Counter("importthis.txt").most_common(5)
for item in most_common_5:
print(item)执行效果如下：
('is', 10)
('better', 8)
('than', 8)
('the', 6)
('to', 5)核心技术知识点
相关知识点补充：
1、掌握文件的正确读写方法
2、学习数据排序技巧
3、深入理解字典数据类型的运用
4、掌握正则表达式的使用
至此，关于Python统计文章中单词出现次数的实例介绍完毕。如需了解更多相关Python统计单词内容，建议搜索本站历史文章或继续阅读后续相关内容，感谢大家的支持！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
