同一位网友连续分享两套代码!Python正则单词统计实战讲解
之前第三套精简代码，就是这位网友分享的，现在他又分享了第四套正则写法，非常感谢这位网友热心分享！对比下来，处理这种带标点的英文歌词文本，第四种写法是这几版里面最好用的。今天我们一起来学习正则表达式，看看进阶版文本统计怎么做，我讲慢一点，新手朋友都能听懂。
第四套：网友分享正则进阶写法
import re
ts = "jingle bells,jingle bells,jingle \
all the way! oh what fun it is to \
ride in a one-horse open sleigh"
res = re.compile(r"[a-zA-Z']+").findall(ts)
t = {}
for i in res:t[i] = t.get(i,0) + 1
print(t)
逐条大白话详细讲解代码
1. import re
import 就是导入的意思。
re 是Python自带的正则工具包，正则用来快速筛选、清理文字。我们想要用正则功能，第一行必须写上这句话，把工具调出来。
2. ts = "jingle bells,jingle bells,jingle \ all the way! oh what fun it is to \ ride in a one-horse open sleigh"
ts 是我们自定义的变量，用来存放一段英文歌词。
每行末尾这个反斜杠，写在双引号外面，叫做续行符，作用是太长的字符串可以换到下一行书写，最后合并成完整的一长段文字。这个斜杠属于代码标记，不会保存到ts文本里面，不受后面正则r的影响。
大家看这段文字，里面有逗号、感叹号，还有空格，标点和单词混在一起，手动清理很麻烦，正好用正则自动清洗。
3. res = re.compile(r"[a-zA-Z']+").findall(ts)
这一整行是正则的核心，我们拆开慢慢说：
① re.compile() ：就是把我们写好的筛选规则提前整理好，程序运行起来更快。
② r"[a-zA-Z']+"
先说最前面这个 r：
英文全称 raw，翻译过来就是原始的意思。
在Python里，如果字符串里面有反斜杠 \ ，程序默认会把它当成特殊指令，不会当成普通的斜杠文字，这个动作就叫转义。
举个例子： \n 本来是两个字符，不加r的时候，Python会理解成【换行】，直接实现换行效果，不再是普通的反斜杠+n。
如果加上 r， r"\n" 就原样保留，就是 \ 和 n 两个普通文字，不会执行换行。
这里要重点区分两种反斜杠：
第一种：引号内部的反斜杠，才受r控制，r会取消它的转义功能，原样读取；
第二种：引号外面、一行末尾的反斜杠，就是上面ts用到的续行符，它是给代码换行用的，不归r管理，不受r影响。
我们写正则规则的时候，经常会用到反斜杠，如果不加r，程序很容易乱解读符号，代码直接报错或者运行结果不对。
只要在双引号前面写上 r，就相当于告诉Python：引号里面所有文字，全部原样照读，不要自动做转义处理，里面写的是什么就是什么。
👉记住一个习惯：只要写正则匹配规则，引号前面统一加上 r，防止符号解析出错，这是行业通用写法。
引号内这一串就是筛选规则：
a-z 代表所有小写英文字母；
A-Z 代表所有大写英文字母；
' 代表英文缩写自带的单引号；
✅总结：这条规则会把小写字母、大写字母、缩写单引号，这三类字符全部提取出来。
加号 + 意思：连续符合上面规则的字符，合并成一整个单词。
👉什么时候会停止提取？
只要碰到不是小写字母、大写字母、单引号的字符（空格、逗号、感叹号、横杠等等），就立刻结束当前这个单词的读取，然后继续往后查找下一个单词。
比如 one-horse ，读到one后面的横杠，横杠不在匹配规则内，提取就停下，one单独作为一个单词，之后再继续读取horse。
👉举例子演示提取效果：
测试文字： "Don't stop! Hello,World let's go"
经过正则提取后结果： ["Don't", "stop", "Hello", "World", "let's", "go"]
逗号、感叹号直接过滤，Don't、let's 这类带单引号的缩写单词完整保留。
③ .findall(ts) ：拿着上面的筛选规则，去ts这段歌词里面查找，把所有符合规则的单词全部找出来，放到列表res里面。
整行作用：自动丢掉逗号、感叹号这些多余标点，只提取英文单词。
⚠️补充：我们歌词里有 one-horse，中间的横杠不在匹配规则里，运行后会拆成 one 和 horse 两个单词，后面优缺点会讲到。
4. t = {}
大括号代表字典，我们定义空字典t，相当于一张空白统计表。
左边放单词，右边记录这个单词一共出现多少次。
5. for i in res:t[i] = t.get(i,0) + 1
简写一行循环，用来统计单词出现次数
6. print(t)
全部循环结束，所有单词统计完成，print 把整张统计表打印出来给我们看。
这套正则写法优缺点，大白话讲解
✅优点（也是为什么说这版更好）：
1. 不用我们手动写好多行replace去替换各种各样的标点符号，文字杂乱的时候清洗更省事，一行正则就能筛选单词；
2. 可以保留 let's、don't 这种带单引号的英文缩写，不会把单词拆断；
3. 平时工作处理文章、歌词、日志文字，这种正则写法经常会用到，实用性最强。
⚠️缺点：
1. 属于进阶知识点，正则的符号规则比较多，零基础刚入门会觉得难懂，建议先把循环、字典基础学扎实再来学正则；
2. 筛选规则是固定写死的，像 one-horse 这种带横杠的单词，横杠不识别，单词会被拆开；
3. 正则里面符号很多，写错一个符号，程序结果就会出错，排查问题会更费劲。
总结
第三套是只用基础语法写的精简版本，适合新手弄懂底层原理；
第四套正则写法，处理混杂标点的文本更方便，综合实用性最强，是这几版里面最好用的方案。
这里再补充一句给新手朋友：以后大家碰到统计英文单词的需求，如果暂时还记不住这行正则
res = re.compile(r"[a-zA-Z']+").findall(ts)
不用死记硬背，可以直接抄下来套用。
学习编程，不用把所有代码全部背熟，现成成熟的代码片段直接复制使用，好处就是节省自己重复写代码的时间，拿来就能实现功能，提高我们写程序的效率，先用起来，用得多了慢慢自然就理解记住了。
学习顺序建议：先吃透基础循环和字典，再来学习正则，理解起来轻松很多！
代码运行结果
plaintext
{'jingle': 3, 'bells': 2, 'all': 1, 'the': 1, 'way': 1, 'oh': 1, 'what': 1, 'fun': 1, 'it': 1, 'is': 1, 'to': 1, 'ride': 1, 'in': 1, 'a': 1, 'one': 1, 'horse': 1, 'open': 1, 'sleigh': 1}
