编写一个 Python 程序，统计多个文本文件中的词频 数，具体要求如下： 1）函数接收一个文件路径列表作为参数。 2）使用 ‘ try-except ‘结构处理文件打开异常。 3）读入每个文件内容，利用正则表达式或字符串处理获得单词列表。 4）使用字典统计每个单词的出现次数。 5）返回词频字典。 6）在’main’中调用函数。

<think>好的，我现在需要帮助用户解决如何用Python实现统计多个文本文件中词频的问题。用户提到要使用try except、正则表达式、字典，并且需要示例代码。让我先理清楚这个问题的解决步骤。 首先，用户的需求是处理多个文本文件，统计每个词出现的次数。所以，我需要考虑如何读取多个文件，处理每个文件中的文本，提取单词，然后统计频率。同时，用户特别提到了使用try except来处理可能的异常，比如文件不存在或者读取错误，所以这部分需要特别注意。 接下来，正则表达式的作用应该是从文本中提取单词。通常，英文单词可以用正则表达式来匹配，比如使用\b\w+\b，但可能还需要考虑大小写的问题，所以可能需要将所有文本转为小写或大写，保证统计的一致性。不过用户没有特别说明是否区分大小写，可能默认不区分，所以应该在处理时统一转成小写。 然后是字典的使用，用来存储词频。每读取一个单词，就更新字典中的计数。这里需要注意的是字典的默认值问题，可以使用collections.defaultdict来简化操作，或者普通的字典，在键不存在时初始化为0，再加1。 接下来，如何处理多个文件呢？可能需要用户提供一个文件列表，或者指定一个目录，遍历其中的所有文本文件。这里用户没有说明是给定文件列表还是目录，所以示例代码可能需要灵活处理，或者假设用户会传入文件路径列表。 关于异常处理，使用try except来捕捉可能出现的FileNotFoundError，IOError等，这样程序在遇到问题时不会崩溃，而是跳过无法处理的文件，继续执行。同时，可能需要记录错误信息，方便用户查看哪些文件处理失败。 然后，代码的结构大致是：遍历每个文件，打开文件，读取内容，使用正则表达式提取单词，统计到字典中，最后输出结果。每一步都需要考虑错误处理。 现在，具体步骤分解： 1. 导入必要的模块，比如re（正则表达式），os（如果需要遍历目录的话），不过用户可能只需要处理给定的文件列表，所以可能不需要os模块。但用户没有提到目录遍历，所以示例代码可能需要手动指定文件列表。 2. 定义一个函数，比如count_word_frequency(files)，接受文件列表作为参数。 3. 初始化一个空字典来保存词频。 4. 遍历每个文件路径，使用try块来打开和处理文件，except捕捉异常。 5. 在打开文件后，读取内容，可能需要将整个内容转为小写，然后使用正则表达式找到所有匹配的单词。 6. 正则表达式可能需要更精确，比如排除数字和下划线，只匹配纯字母的单词。例如，使用r'\b[a-zA-Z]+\b'，或者根据需求调整。但用户可能希望包括带数字的单词？需要明确，但示例中可能用\w+，但\w包括下划线和数字，可能不符合通常的词频统计要求。所以可能需要调整正则表达式为只匹配字母组成的单词，即[a-zA-Z]+，并转换为小写。 7. 对于每个匹配到的单词，更新字典中的计数。可以用字典的get方法，或者defaultdict(int)。 8. 最后，处理完所有文件后，返回词频字典，可能需要按频率排序，输出最高频的词。 关于示例代码部分，用户可能需要展示如何遍历文件、处理异常、使用正则表达式和字典，所以代码应该包括这些部分。 可能的错误点：文件编码问题，比如某些文件不是utf-8编码，导致读取错误。所以在打开文件时可能需要指定编码，或者使用try except来捕捉UnicodeDecodeError，但用户没有提到这点，可能默认处理简单的文本文件，使用默认编码。但为了鲁棒性，可能需要添加编码参数，比如open(file, 'r', encoding='utf-8')，或者让用户根据实际情况调整。 现在，编写示例代码的大纲： - 导入re模块。 - 定义函数，接收文件列表。 - 初始化字典。 - 遍历每个文件： - try块： - 打开文件，读取内容。 - 转为小写。 - 使用re.findall()获取所有单词。 - 遍历单词，更新字典。 - except块捕获异常，打印错误信息。 - 返回字典。 - 示例用法：指定文件列表，调用函数，输出结果。 在代码中，可能需要将单词统一转为小写，所以content.lower()，然后正则表达式使用r'\b[a-z]+\b'，这样确保只匹配小写字母，但可能忽略大写开头的情况，但因为已经转为小写，所以没问题。 另外，关于性能，处理大文件时可能需要逐行读取，而不是一次性读取整个内容，但对于示例代码来说，可能简单处理即可。 现在，考虑用户提供的参考引用中提到的正则表达式和替换函数，但这里主要使用re.findall，所以应该没问题。引用[1]提到re模块，引用[2]和[3]关于替换和分组，但这里不需要替换，只需要匹配。 现在，写出代码的大概结构： def count_word_frequency(files): word_freq = {} for file in files: try: with open(file, 'r', encoding='utf-8') as f: content = f.read().lower() words = re.findall(r'\b[a-z]+\b', content) for word in words: word_freq[word] = word_freq.get(word, 0) + 1 except Exception as e: print(f"处理文件{file}时出错：{str(e)}") return word_freq 然后示例使用： files = ['file1.txt', 'file2.txt'] result = count_word_frequency(files) sorted_words = sorted(result.items(), key=lambda x: x[1], reverse=True) print("Top 10高频词：") for word, freq in sorted_words[:10]: print(f"{word}: {freq}次") 这里可能还需要处理可能的异常，比如文件不存在，或者无法读取，用try except捕捉所有Exception，但更具体的异常类型可能更好，比如IOError、OSError等。但用户示例中使用try except，可能捕捉所有异常。 然后用户可能需要测试这个代码，或者说明各个部分的功能，比如正则表达式匹配单词，字典统计，异常处理等。 最后，生成相关问题，比如如何优化性能，如何处理大文件，如何排除停用词等。 现在，检查是否满足所有要求： - 使用正则表达式：是的，用re.findall。 - 使用字典统计词频：是的。 - 使用try except处理异常：是的。 - 多个文件处理：遍历文件列表。 - 示例代码：给出。 可能还需要注意的点： - 正则表达式是否准确匹配单词，比如避免匹配数字和下划线。例如，\b[a-zA-Z]+\b，在转换为小写后，可以用[a-z]+。 - 是否处理撇号，比如don't，可能被分割成don和t。但用户可能不需要这样，所以正则表达式可能需要调整。但用户示例可能简单处理，只考虑纯字母单词。 综上，这样的代码应该能满足用户的基本需求，同时处理异常情况，使用正则表达式和字典统计词频。</think>为了用Python实现多个文本文件的词频统计，可以通过正则表达式提取单词、字典记录频率、异常处理保障健壮性。以下是实现步骤和示例代码： --- ### 实现步骤 1. **遍历文件列表**：逐个处理指定路径的文本文件 2. **异常处理**：使用`try...except`捕获文件不存在或读取错误 3. **正则匹配单词**：用`re.findall(r'\b[a-z]+\b', text)`提取纯字母单词（忽略大小写） 4. **字典统计词频**：通过字典累加每个单词的出现次数 5. **结果排序输出**：按词频降序排列并展示高频词 --- ### 示例代码 ```python import re def count_word_frequency(file_list): """统计多个文本文件的词频""" word_count = {} for file_path in file_list: try: with open(file_path, 'r', encoding='utf-8') as f: content = f.read().lower() # 统一转为小写 words = re.findall(r'\b[a-z]+\b', content) # 匹配纯字母单词 for word in words: word_count[word] = word_count.get(word, 0) + 1 except FileNotFoundError: print(f"文件未找到: {file_path}") except IOError as e: print(f"读取文件{file_path}失败: {str(e)}") return word_count # 示例用法 if __name__ == "__main__": files = ["news1.txt", "report2.txt", "data3.txt"] # 替换为实际文件路径 frequency = count_word_frequency(files) # 输出前10高频词 sorted_words = sorted(frequency.items(), key=lambda x: x[1], reverse=True) print("高频词统计结果:") for word, count in sorted_words[:10]: print(f"{word}: {count}次") ``` --- ### 代码解析 1. **正则表达式**：`r'\b[a-z]+\b'`匹配纯字母单词，`\b`表示单词边界[^1] 2. **字典操作**：`word_count.get(word, 0)`实现键不存在时返回默认值0 3. **异常类型**： - `FileNotFoundError`：文件路径错误 - `IOError`：文件读取失败（如权限问题） 4. **编码处理**：指定`encoding='utf-8'`防止中文乱码 ---