Python 字串分割與英文單詞統計實戰教學

Python 內建強大的字串處理能力，本文透過實例詳細說明 split() 方法的各種用法，並實作英文單詞統計程式。

字串分割基礎：split() 方法

str.split(sep=None, maxsplit=-1) 依指定分隔符將字串切割為列表。

範例 1：指定分隔符號

str_val = "a|and|hello|||ab"
alist = str_val.split('|')
print(alist)
# 輸出：['a', 'and', 'hello', '', '', 'ab']

注意： 連續分隔符會產生空字串元素。

範例 2：預設分割（空白字元）

str_val = "a hello     world   "  # 含多個空格
alist = str_val.split()  # 不傳參數：任意長度空白字元視為單一分隔符，且自動移除首尾空白
print(alist)
# 輸出：['a', 'hello', 'world']

差異重點： split(' ') 僅按單一空格切割；split() 則按任意空白字元（空格、Tab、換行）切割並忽略空元素。

實戰：統計英文文檔單詞數量

以下程式讀取文本檔案，統計總單詞數、空白數與實際單詞數：

# -*- coding: utf-8 -*-
import os

# 讀取檔案
with open('c:/a.txt', 'r', encoding='utf-8') as fin:
    content = fin.read()

# 按空白字元分割
words = content.split()

# 寫入每行一個單詞供檢視
with open('c:/count.txt', 'w', encoding='utf-8') as fout:
    fout.write('\n'.join(words))

# 統計
total = len(words)
print(f"總單詞數（含空白分割產生的空元素）：{total}")

# 若使用 split(' ') 需額外扣除空字串
words_space = content.split(' ')
actual_words = len([w for w in words_space if w])
print(f"實際單詞數：{actual_words}")

進階技巧：正則表達式分割

處理標點符號、多種分隔符混雜時，使用 re.split()：

import re
text = "Hello, world! This is a test."
# 依非單詞字元分割，並過濾空字串
words = [w for w in re.split(r'\W+', text) if w]
print(words)  # ['Hello', 'world', 'This', 'is', 'a', 'test']

最佳實務建議

• 一般文本分割優先使用無參數 split()，自動處理多重空白。
• 統計單詞時建議搭配正則表達式移除標點符號。
• 大檔案處理可使用生成器逐行讀取，避免記憶體溢位。