Pythonで文字列内の単語数をカウントする3つの方法

はじめに

Pythonでは、テキスト処理の一環として「文章中に単語がいくつ含まれているか」を数える場面がよくあります。本記事では、与えられた文字列から単語数をカウントするための代表的な3つのアプローチを、具体的なコード例と実行結果とともにわかりやすく解説します。

問題の定義

問題文： 与えられた文字列の中に含まれる単語の数を数える。
例えば、「Tutorials point is a learning platform」という文字列には、6個の単語が含まれています。

方法1：split()関数を使う

split()関数は、文字列をスペースを区切り文字として分割し、リストを返します。引数を指定しない場合、スペースがデフォルトの区切り文字として自動的に適用されます。返されたリストの要素数をlen()関数で取得すれば、それがそのまま単語数になります。

コード例

test_string = "Tutorials point is a learning platform"
# 元の文字列を表示
print("元の文字列 : " + test_string)
# split()関数で単語数を取得
res = len(test_string.split())
# 結果を表示
print("文字列内の単語数 : " + str(res))

実行結果

元の文字列 : Tutorials point is a learning platform
文字列内の単語数 : 6

方法2：正規表現モジュール（re）を使う

正規表現モジュールreのfindall()関数を使うと、パターン r'\w+'（1つ以上の英数字またはアンダースコアの連なり）に一致するすべての単語を抽出できます。抽出結果のリストの長さをlen()で取得すれば単語数になります。この方法は、句読点などが混在するテキストにも柔軟に対応できるのが特徴です。

コード例

import re
test_string = "Tutorials point is a learning platform"
# 元の文字列を表示
print("元の文字列 : " + test_string)
# 正規表現のfindall()関数で単語を抽出
res = len(re.findall(r'\w+', test_string))
# 結果を表示
print("文字列内の単語数 : " + str(res))

実行結果

元の文字列 : Tutorials point is a learning platform
文字列内の単語数 : 6

方法3：sum()・strip()・split()を組み合わせる

この方法では、まずsplit()で文字列を単語ごとに分割し、それぞれの単語に対してstrip(string.punctuation)で前後の記号を取り除きます。その上でisalpha()により、アルファベットだけで構成された単語かどうかを判定し、判定結果（True／False）をsum()で合計することで、実際の単語数を正確にカウントできます。記号だけのトークンを除外したい場合に特に有効です。

コード例

import string
test_string = "Tutorials point is a learning platform"
# 元の文字列を表示
print("元の文字列 : " + test_string)
# sum() + strip() + split()で単語数を取得
res = sum([i.strip(string.punctuation).isalpha() for i in test_string.split()])
# 結果を表示
print("文字列内の単語数 : " + str(res))

実行結果

元の文字列 : Tutorials point is a learning platform
文字列内の単語数 : 6

3つの方法の比較

どの方法も同じ結果（6単語）を返しますが、それぞれ特徴が異なります。

• split()： 最もシンプルで高速。スペース区切りの通常のテキストに最適。
• re.findall()： 正規表現による柔軟なパターン指定が可能。複雑な条件での抽出に向いている。
• sum()＋strip()＋split()： 記号のみのトークンを除外でき、より厳密な単語カウントが可能。

まとめ

本記事では、Pythonで文字列内の単語数をカウントする3つの方法――split()関数、正規表現モジュールreのfindall()、そしてsum()＋strip()＋split()の組み合わせ――を紹介しました。扱うテキストの性質や目的に応じて、最適な方法を選択してください。