本教程详解如何编写 Python 函数，遍历输入文本文件的所有行与单词，准确识别在整个文档中至少出现两次的单词（忽略大小写和标点），去重后以空格分隔写入输出文件。
本教程详解如何编写 python 函数，遍历输入文本文件的所有行与单词，准确识别**在整个文档中至少出现两次**的单词（忽略大小写和标点），去重后以空格分隔写入输出文件。
原始代码存在两个关键缺陷：一是 seen_words 和 repeat_words 被错误地定义在循环内部，导致每行独立维护状态，仅能捕获单行内重复词；二是未对单词统一转小写+去标点后再判断，影响匹配准确性；三是未使用上下文管理器，存在资源泄漏风险。
正确做法是将状态变量（seen_words 和 repeated_words）提升至函数作用域顶层，确保跨行累计统计；同时借助 set 高效记录已见词汇，并用 list 有序保存首次确认重复的单词（保持发现顺序）。
以下是优化后的完整实现：
import string
def repeat_words(in_file, out_file):
with open(in_file, "r", encoding="utf-8") as file_in, \
open(out_file, "w", encoding="utf-8") as file_out:
seen_words = set() # 记录所有已出现过的单词（标准化后）
repeated_words = [] # 记录首次被确认为重复的单词（去重、保序）
for line in file_in: # 直接迭代文件对象，更内存友好
words = line.split()
for word in words:
# 标准化：转小写 + 剥离首尾标点（如 'Hello!' → 'hello'）
clean_word = word.lower().strip(string.punctuation)
# 空字符串（如纯标点行）跳过
if not clean_word:
continue
if clean_word in seen_words and clean_word not in repeated_words:
repeated_words.append(clean_word)
seen_words.add(clean_word)
# 写入结果：单词间空格分隔，末尾不加换行（如需可加 '\n'）
file_out.write(' '.join(repeated_words))
✅ 关键改进说明：
- 使用 with 语句自动安全关闭文件，避免 close() 遗漏；
- encoding="utf-8" 显式指定编码，兼容中文、特殊符号等；
- strip(string.punctuation) 仅移除单词首尾标点（如 "word," → "word"），保留内部标点（如 "can't" 中的撇号）；
- repeated_words 用 list 而非 set，确保输出顺序与单词首次重复出现的顺序一致；
- 空字符串校验防止 '' 被误判为重复词。
? 使用示例：
假设 nnn.txt 内容为：
The cat sat on the mat. A cat is cute, and the cat sleeps!
运行 repeat_words("nnn.txt", "result.txt") 后，result.txt 将写入：
the cat
（因 the 出现3次、cat 出现3次，均满足“全文重复”条件；a、is 等仅出现1次，被忽略）
⚠️ 注意事项：
- 该逻辑识别的是全文范围内的重复词（≥2次），而非单行重复；
- 单词边界以空白符（空格、制表符、换行）分割，不支持连字符或缩写智能切分（如 "state-of-the-art" 需按需预处理）；
- 如需区分大小写或保留标点，请调整 clean_word 构造逻辑。
此方案简洁健壮，适用于日志分析、文本去重、关键词提取等典型场景。
