### 实现方案 为了统计文件中的数字出现次数，可以采用读取文件并解析其中的内容，随后利用字典记录各个数字及其对应的频率。以下是具体的实现方法： 通过打开目标文件，并逐行遍历其内容，在每一行中查找所有的整数或者浮点数值。对于找到的每一个数字，更新计数器内的对应项。最后输出整个文档里各不相同数字的数量以及它们各自的重复度。 ```python import re from collections import Counter def count_numbers_in_file(file_path): number_pattern = r'-?\d+\.?\d*' # 定义匹配模式[^1] with open(file_path, 'r', encoding='utf-8') as file: content = file.read() numbers_found = re.findall(number_pattern, content) counter = Counter(numbers_found) return dict(counter) file_path = 'example.txt' result = count_numbers_in_file(file_path) for num, freq in result.items(): print(f'Number {num} appears {freq} times.') ``` 上述代码片段定义了一个函数`count_numbers_in_file()`用于接收文件路径作为参数，并返回一个包含所有发现数字及其频次的结果字典。这里使用正则表达式来识别可能存在的负号、整数部分和可选的小数部分。此外还运用了Python标准库collections模块下的Counter类简化对列表元素进行计数的过程[^2]。 #### 处理大文件的情况 当面对非常庞大的文本文件时，一次性加载全部数据到内存可能会造成性能瓶颈甚至溢出错误。因此建议改用按需处理的方式逐步分析文件流而不需要将其完全载入RAM空间。 ```python def count_large_file_numbers(file_path): number_pattern = r'-?\d+\.?\d*' counter = Counter() with open(file_path, 'r', encoding='utf-8') as f: while True: chunk = f.readline() # 每次只读取一行 if not chunk: break matches = re.findall(number_pattern, chunk) counter.update(matches) return dict(counter) ``` 这种方法能够有效地减少资源消耗，适用于更大规模的数据集上执行相同的任务[^3]。