[Python]任一个英文的纯文本文件，统计其中的单词出现的个数。(考虑单词-分行）

第 0004 题：任一个英文的纯文本文件，统计其中的单词出现的个数。

思路：英文的纯文本文本，除了空格，句号，逗号，感叹号等等全都是单词的分割点，原本想着分开讨论，后来发现网上有人用了正则表达式的替换将所有其他的标点符号替换成空格，再统一分割，我借鉴了这种做法，借鉴代码代码有点问题，我在此基础上进行了修改，而且考虑到英语单词由于一行位置不够，用-连接进行分行的情况，用if语句进行考虑。

代码如下：

#coding=utf-8

import re
def get_word_frequencies(file_name):
    dic = {}
    txt = open(file_name, 'r').read().splitlines()

    n=0
    for line in txt:
        print line
        line = re.sub(r'[.?!,""/]', ' ', line)   #要替换的标点符号，英文字符可能出现的
        line = re.sub(r' - ', ' ', line) #替换单独的‘-’ 
        for word in line.split():

            #当一行的最后一个字符是-的时候，需要跟下一个英文字符串联起来构成单词
            if word[-1] =='-':
                    m=word[:-1]
                    n=1
                    break
            if n==1:
                word=m+word
                n=0
            print word
            dic.setdefault(word.lower(), 0)  #不区分大小写
            dic[word.lower()] += 1
    #print dic


get_word_frequencies("F:/Python/practice/4.txt")  
#读写文件路径：可以直接和执行文件放在一起，不用加路径，文件名即可，如果加路径，需要用/连接，而不是\连接

因为读取文件的字符串是先分行，再根据每行通过空格分割单词，所以替换应该放在第一个for循环里面，处理对象是字符串（解释与原答案不同的地方）。将每行字符串进行分割时，可能出现分词用‘-’连接的只会是最后一个word，那么需要做的将除去‘-’的部分保存下来，并跳出循环，不将数据录入dict，和接下来即将要进行分割的下一个字符串的首word连接起来，怎么确定是哪个字符串执行连接操作，就需要n标志位的配合了，具体的看上面代码吧。