python过滤元字符，同时保持单词的完整性

Question

你好，我需要弄清楚如何计算一个句子中的单词数，但现在我被卡住了。我当前代码的问题在于，它不会过滤掉元字符，因此像“...”这样的字符串会产生错误。   print(len(input().split()))我尝试使用的另一种方法是这个（即使用正则表达式过滤出元字符。但这只会导致 len 函数计算所有字符而不是单词：   import re    print(len(re.sub('[^a-zA-Z]+',' ',input())))

Answer 1

您可以使用split根据分隔符进行拆分（在您的情况下，空格字符的默认分隔符就足够了），然后计算列表的长度：

In [49]: my_str = 'A very valid, and nice example.'

In [50]: len(my_str.split())

Out[50]: 6

编辑：由于您的示例中有标点符号，您可以先删除它们：

In [59]: my_str

Out[59]: 'A very valid, and nice example.'

In [60]: len(re.sub('[^\w\s]', '', my_str).split())

Out[60]: 6

In [61]: len(re.sub('[^\w\s]', '', '...').split())

Out[61]: 0

因此，这将删除不是字母数字和空格的每个字符。

Answer 2

下面匹配字母字符组。我之前尝试过使用几种不同的表达方式，但是诸如“--”之类的符号组合会被计为单词。仅使用 \w 量词，这会计算所有单词组并将它们添加到列表中。如果您希望看到这些词，请删除 len 量词。我用我能想到的尽可能多的例子尝试了这个，它对所有的例子都有效！

import re

def getWordCount(value):

    list = re.findall('([\w]+)',value)

    return len(list)

value = 'A very nice, and simple, example.'

print(getWordCount(value))