Python：文本文件中的字符数

Question

我想要计算一个文件里的字符数量。可是当我对一个导入的文本文件使用'len'函数时，它返回的是比特数，而不是字符数。

text1=open('text1.txt','r+').read()
print len(text1)

1256664

我该怎么解决这个问题呢？

Answer 1

其实这是读取的字节数。如果你在Linux系统上，可以用命令ls -lh text1.txt来查看，这个命令会显示文件的大小，比如会显示1227K。

这个数字包括了你文件中的字符数量，但换行符也会被计算在内。

另外，我的回答没有考虑文件的编码方式。在UTF-8编码下，字符不再像ASCII那样都是单个1字节的字符。

Answer 2

这并不是返回位数的结果!

with open('abc') as f:
    print len(f.read())

当内容是 def\n 时，结果是 4。也许你的文本是用像 UTF-16 或 UTF-32 这样的编码，这种编码一个字符可能会用多个字节？请详细说明一下你的问题。

Answer 3

如果你的文件是用某种编码方式保存的，比如UTF-8，那么在计算字符数量之前，你需要先把它解码。

utf8_text=open('text1.txt','r+').read()
unicode_data = utf8_text.decode('utf8')

print len(unicode_data)