Python练习册第04题

要统计单词数，第一个想到的当然是用正则表达式把整片文章捋一遍，但是发现个tricky的地方，像[email protected]这样的邮件地址，单纯地去掉中间的.和@这样的符号，会让单词拼接起来变成exampletestcom这样，统计的时候就变成一个单词了，所以折中的办法是去符号替换成空格，再按空格分割来读取字符串，再统计纯英文单词的数量就行了

import os, re

if __name__ == '__main__':
    count = 0
    with open('sample.txt', 'r', encoding = 'utf-8') as file:
        while True:
            #一次读一行，处理一行再读下一行，省内存
            str = file.readline()
            #读到文件结尾终止
            if str == '':
                break
            else:
                #去掉换行符
                buf = str.strip()
                #用正则表达式去掉字母、数字、空格以外的字符
                #这里有点tricky的地方，文本里可能会有邮件地址这样的字符串
                #如果上一步单纯地去掉.和@这样的符号，会让几个单词拼接成一个字符串
                #所以干脆把所有字母、数字、空格以外的字符，全替换成空格
                buf = re.sub(r'[^a-zA-z0-9 ]', ' ', str)
                #然后再按空格分割字符串就行了
                buf = buf.split(' ')
                for i in buf:
                    #判断是否只含有字母
                    if(i.isalpha()):
                        count += 1
    print(count)

sample.txt我取了stack overflow上面的privacy policy，本来试图把文本的一部分放进word里面看看它统计出来多少单词，发现word根本没有统计纯英文单词数量的功能，所以只能自己把过滤完的文本，按一个单词一行打印出来，自己稍微看了一眼，感觉没问题
如果这样过滤有问题的话，请指出