统计文本文件中汉字字母数字符号的个数及总计

top7777

因工作原因有此需求，特借助trae并调试生成如下python代码：

[Python] 纯文本查看 复制代码

?

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90

import re import string import os  # 新增：用于路径处理     def count_text_elements(file_path):     # 初始化计数器（新增英文字母和阿拉伯数字统计）     chinese_chars = 0     english_words = 0  # 保留统计但不纳入总数量     punctuation = 0     english_letters = 0  # 新增：英文字母数     arabic_numbers = 0   # 新增：阿拉伯数字数       # 扩展标点符号集合（包含中文常用标点）     chinese_punctuation = '，。！？；：“”‘’（）【】《》—～…￥'     all_punctuation = set(string.punctuation + chinese_punctuation)       # 读取文件内容（支持多编码尝试）     content = None     encodings = ['utf-8', 'gbk', 'gb2312', 'cp1252']  # 常见编码列表     for encoding in encodings:         try:             with open(file_path, 'r', encoding=encoding) as f:                 content = f.read()                 break  # 成功读取后退出循环         except UnicodeDecodeError:             continue  # 尝试下一个编码     if content is None:         raise ValueError(f'无法用以下编码读取文件：{encodings}')       # 合并遍历：统计汉字、标点、英文字母、阿拉伯数字（一次遍历提升效率）     for char in content:         # 统计汉字（Unicode范围：u4e00-u9fff）         if '\u4e00' <= char <= '\u9fff':             chinese_chars += 1         # 统计标点符号         elif char in all_punctuation:             punctuation += 1         # 统计英文字母（a-zA-Z）         elif 'a' <= char.lower() <= 'z':             english_letters += 1         # 统计阿拉伯数字（0-9）         elif char.isdigit():             arabic_numbers += 1       # 统计英文单词（保留原逻辑，但不纳入总数量）     word_pattern = re.compile(r'\b[a-zA-Z]+\b')     english_words = len(word_pattern.findall(content))       # 总数量调整：剔除英文单词，加入英文字母和阿拉伯数字     total = chinese_chars + punctuation + english_letters + arabic_numbers       return {         'chinese_chars': chinese_chars,         'english_words': english_words,         'punctuation': punctuation,         'english_letters': english_letters,  # 新增返回项         'arabic_numbers': arabic_numbers,    # 新增返回项         'total': total     }     if __name__ == '__main__':     # 获取当前脚本所在的绝对目录路径     script_dir = os.path.dirname(os.path.abspath(__file__))  # 新增           # 用户输入文件名或路径     user_input = input('请输入要统计的txt文件路径（绝对路径或仅文件名，仅文件名时默认程序所在目录）: ')           # 补全路径：若输入不包含目录分隔符，则拼接程序所在目录     if '\\' not in user_input:  # Windows目录分隔符为\         file_path = os.path.join(script_dir, user_input)     else:         file_path = user_input       try:         result = count_text_elements(file_path)         print('统计结果：')         print(f'汉字数量：{result["chinese_chars"]}')         print(f'英文单词数量：{result["english_words"]}')  # 保留显示但不纳入总数量         print(f'标点符号数量：{result["punctuation"]}')         print(f'英文字母数量：{result["english_letters"]}')  # 新增显示项         print(f'阿拉伯数字数量：{result["arabic_numbers"]}')  # 新增显示项         print(f'总数量（汉字+标点+字母+数字）：{result["total"]}')  # 调整总数量说明     except FileNotFoundError:         print(f'错误：文件 {file_path} 未找到，请检查输入（绝对路径或程序所在目录下的文件名）。')     except ValueError as e:         print(f'错误：{str(e)}，请确认文件编码是否为常见类型（如UTF-8/GBK）。')     except Exception as e:         print(f'发生未知错误：{str(e)}')

TaDose

感谢分享！！！！！！！！！！！！！！！！！

beyondchampion

非常不错，感谢分享~~~

gelatoni

新人求问，是自己要装个python，把这个放在程序里运行即可吗？能否求一个详细的运行说明。

forumid

实用的代码，谢谢分享！

top7777

gelatoni 发表于 2025-5-12 09:52
新人求问，是自己要装个python，把这个放在程序里运行即可吗？能否求一个详细的运行说明。

对，网上下个python（3.9以后）并安装，重启后用python+脚本名.py进行运行，也可以用pyinstall的console模式编译成exe文件。

dogpile

不错的代码，谢了。

ashirogimuto

多谢多谢

638

感谢分享，有需要的时候正好用上。。。。

jyjjf

再改改，改成批量处理的，对应输出到excel格式