一篇中文文章 ,里面含有汉字和各种标点符号还有字母数字什么的
现在我要统计汉字的个数和他所占的比例,查到的len()方法是获取字节数的
比如我用gbk编码,3000字的文章,字节数6800多,这不是我想要的,
我要的是实实在在的汉字的个数,还有整个文本的字符的个数,各位有什么办法没?
python貌似是会自动把我获取到的gbk编码的字符串解码成unicode 很蛋疼啊
python如何获取文本中字符的个数?不是字节啊
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
3条回答 默认 最新
- SnowOnSahara 2017-11-17 13:51关注
按照encode('utf-8')输出之后,连续3个\x字符就换算为1个汉字,其它字母和数字都没有\x编码。
如果要很完善的话,还要识别空格和\r\n之类的回车换行符解决 无用评论 打赏 举报
悬赏问题
- ¥15 基于卷积神经网络的声纹识别
- ¥15 Python中的request,如何使用ssr节点,通过代理requests网页。本人在泰国,需要用大陆ip才能玩网页游戏,合法合规。
- ¥100 为什么这个恒流源电路不能恒流?
- ¥15 有偿求跨组件数据流路径图
- ¥15 写一个方法checkPerson,入参实体类Person,出参布尔值
- ¥15 我想咨询一下路面纹理三维点云数据处理的一些问题,上传的坐标文件里是怎么对无序点进行编号的,以及xy坐标在处理的时候是进行整体模型分片处理的吗
- ¥15 CSAPPattacklab
- ¥15 一直显示正在等待HID—ISP
- ¥15 Python turtle 画图
- ¥15 stm32开发clion时遇到的编译问题