一个问题是，一个in测试一个list是慢的。你可能应该保留一个set记录您所看到的单词，因为in测试一个set速度非常快。
Example:
report_set = set()
for line in report:
for word in line.split():
if we_want_to_keep_word(word):
report_set.add(word)
然后当你完成后：
报告列表 = 列表（报告集）
任何时候你需要强制set into a list， 你可以。但如果你只需要循环它或做in测试，您可以将其保留为set;这是合法的for x in report_set:
另一个可能重要也可能不重要的问题是，您使用以下命令一次性从文件中读取所有行：.readlines()方法。对于非常大的文件，最好只使用打开的文件句柄对象作为迭代器，如下所示：
with open("filename", "r") as f:
for line in f:
... # process each line here
一个大问题是我什至不知道这段代码是如何工作的：
while 1:
lines = report.readlines()
if not lines:
break
这将永远循环。第一个语句用以下命令吸食所有输入行.readlines()，然后我们再次循环，然后下一次调用.readlines() has report已经筋疲力尽了，所以打电话给.readlines()返回一个空列表，从而跳出无限循环。但是现在我们刚刚读到的所有行都丢失了，其余的代码必须用一个空的lines多变的。这是如何运作的？
所以，摆脱整个while 1循环，并将下一个循环更改为for line in report:.
另外，你真的不需要保留count多变的。您可以使用len(report_set)随时查出有多少个单词set.
另外，还带有一个set你实际上不需要检查一个单词是否是in集合；你可以随时打电话report_set.add(word)如果它已经在set不会再添加了！
另外，你不have按照我的方式来做，但我喜欢制作一个可以完成所有处理的生成器。剥离行、翻译行、按空格分割，然后生成可供使用的单词。我也会强制这些词小写，除非我不知道这是否重要FOOTNOTES仅以大写形式检测。
因此，将以上所有内容放在一起，您将得到：
def words(file_object):
for line in file_object:
line = line.strip().translate(None, string.punctuation)
for word in line.split():
yield word
report_set = set()
with open(fullpath, 'r') as report:
for word in words(report):
if word == "FOOTNOTES":
break
word = word.lower()
if len(word) > 2 and word not in dict_file:
report_set.add(word)
print("Words in report_set: %d" % len(report_set))
