Python - 从文本字符串中计算重复单词并输出每个单词及其出现次数

Question

我有一个包含大量重复单词的 words.txt 文件。

我想对列表进行排序并计算每个单词出现的频率。

理论上我可以通过在 Excel 中排序和使用 COUNTIF 来做到这一点，但是我有一个超过 10K 行的大文件，所以使用 Excel 是不切实际的。

到目前为止，我在 count.py 文件中所做的工作是通过键入 python count.py words.txt 来运行的：

import re
from sys import argv
from collections import Counter, defaultdict

script, filename = argv

cnt = Counter()

txt = open(filename).read()

freqword = defaultdict(list)
for word, freq in Counter(txt).items():
    freqword[freq].append(word)

for freq in sorted(freqword):
 print('count {}: {}'.format(freq, sorted(freqword[freq])))

但是，当我想教单词时，这会返回给我每个字符的计数。我做错了什么？

更新：感谢 mhlester 指出我需要通过执行 txt.split() 将 txt 拆分为单词。

这是我更新的代码：

from sys import argv
from collections import Counter, defaultdict

script, filename = argv

txt = open(filename).read()
cnt = Counter(txt.split())
freqword = defaultdict(list)

for word, freq in cnt.items():
    freqword[freq].append(word)

for freq in sorted(freqword):
    print('count {}: {}'.format(freq, sorted(freqword[freq])))

Answer 1

用这一行：

txt = open(filename).read()

txt 是一个字符串。所以

Counter(txt)

计算字符串的每个字符。

为了统计字符串的每个word，需要将其拆分为Counter之前的单词：

Counter(txt.split())

如果没有传递给 split 的参数使用所有空格