### 统计 data1.txt 文件中的不同汉字数量 要完成此任务，可以编写 Python 脚本来读取 `data1.txt` 并统计其中不同的汉字数量。以下是完整的解决方案： #### 方法概述 为了实现这一目标，程序需要执行以下几个操作： 1. 打开并读取指定的 `.txt` 文件。 2. 遍历文件内容，提取所有的字符。 3. 过滤出属于 Unicode 汉字范围内的字符。 4. 使用集合（set）来存储唯一的汉字。 5. 输出最终的结果。 #### 完整代码示例 以下是一个基于上述逻辑编写的 Python 程序： ```python import re def count_unique_chinese_characters(file_path): unique_chars = set() with open(file_path, 'r', encoding='utf-8') as file: for line in file: chinese_chars = re.findall(r'[\u4e00-\u9fff]', line) # 提取汉字[^1] unique_chars.update(chinese_chars) return len(unique_chars), unique_chars if __name__ == "__main__": file_path = "data1.txt" try: num_unique_chars, unique_chars_set = count_unique_chinese_characters(file_path) print(f"文件 {file_path} 中有 {num_unique_chars} 个不同的汉字。") if num_unique_chars < 100: # 如果汉字较少，则打印具体列表 print("这些汉字分别是:", ", ".join(sorted(list(unique_chars_set)))) except FileNotFoundError: print(f"无法找到文件 {file_path}") ``` #### 关键点解释 1. **正则表达式匹配** 正则表达式 `[\u4e00-\u9fff]` 是用来识别中文字符的关键工具。它定义了一个范围，涵盖了大部分常见的汉字编码区间。 2. **使用集合去重** 利用 Python 的内置数据结构——集合（set），能够自动去除重复项，从而轻松获得唯一值。 3. **异常处理** 添加了针对文件不存在的情况下的异常捕获机制，使程序更加健壮可靠[^3]。 4. **性能优化建议** 对于非常大的文本文件，逐行读取而非一次性加载整个文档到内存中是一种更高效的方式。 通过运行这段脚本即可得到所需结果，并且可以根据实际需求调整输出格式或进一步扩展功能。 ---