python實現linux下指定目錄下文件中的單詞個數統計

# !/usr/bin/env python
# -*- coding:utf-8 -*-
"""
	實現指定目錄下的文件單詞計數統計：
	例如：你輸入
	nginx.conf(將要統計的文件)--->/usr(nginx.conf的搜索目錄)--->輸入要得到該文件的前top個單詞數目
	結果: 得到  ---> (單詞名,該文件的中該單詞出現的次數)
"""
import os
import sys
import re

def getfiles():
    file_name = raw_input("please enter the file_name you want count the file\n")
    path = raw_input("please enter the root path : example: /tmp\n")
    if not os.path.exists(path):
        print "sorry,the path %s is not exists !!" %(path)
        sys.exit(1)
    else:
        cmd = "find " + path + " -name "+ file_name
        print cmd
        files = os.popen(cmd).readlines()
        files1 = [file[:-1] for file in files]
        return files1

def countword(top_num):
    files = getfiles()
    for file in files:
        with open(file) as f:
            # get the file content and strip the space and line break(acording the os.linesep)
            file_content = f.read().replace(os.linesep,"").replace("#","").replace("/","").replace(";","").replace("}","").replace("{","")
            file_words = file_content.split(" ")
            wordcounts = [(word, file_words.count(word)) for word in file_words]
            # get uniq wordcounts
            wordcounts = list(set(wordcounts))
            # get the max wordcounts
            # wordcounts = [wordc for wordc in wordcounts if re.match("^/s*",wordc[0])]
            wordcounts = sorted(wordcounts,key=lambda d: d[1], reverse=True)
            # get the right word format
            wordcounts = [wordcount for wordcount in wordcounts if re.match("\w",wordcount[0])]
     	    if len(wordcounts[:int(top_num)]) > 0: 
	        print  "文件:" + f.name + "的前" + top_num + "個單詞是及個數分別是:\n" + str(wordcounts[:int(top_num)])
  	    else:
	        print  "文件:" + f.name + "是個空文件！！\n" + str(wordcounts[:int(top_num)]) 	    	

if __name__ == "__main__":
    top_num = raw_input("請輸入要得到統計單詞數目的前多少個\n")
    countword(top_num)