Подсчитать количество слов в предложении

def func(string):
    words = [word for word in string.split() if word.isalpha()]
    return (len(words))

s = 'Hello, R2D2, how are you?'
words = [word for word in s.split() if word.isalpha()]
print(words)

import re
s = 'Hello, R2D2, how are you?'
words = [word for word in re.sub('[^\w\s]','',s).split()]
print(words)

words = [word for word in re.findall(r'\w+', s)]

import string,re
 
text = """Снабженный  таким напутствием, д'Артаньян как  телесно,  так и  духовно
точь-в-точь  походил  на  героя Сервантеса,  с которым  мы его  столь удачно
сравнили,  когда  долг  рассказчика  заставил  нас  набросать  его  портрет.
Дон-Кихоту ветряные мельницы представлялись великанами, а стадо овец - целой
армией."""
 
# уточненный вариант на основе regexp-а из pymorphy2; результат аналогичен nltk.word_tokenize  - используется для split
# добавлены дополнительные знаки: знак типографского апострофа \u2019, юникодный дефис \u2010, косая черта \u002F, 
# которые являются небуквенными орфографическими знаками и могут являться частью слова, а также компьютерный апостроф \u0027 - 
# хотя он и не должен использоваться в правильно оформленных текстах
word_tokenize = re.compile(r"([^\w_\u2019\u2010\u002F\u0027-]|[+])")  
punctuation = string.punctuation + '\u2014\u2013\u2012\u2010\u2212' + '«»‹›‘’“”„`'
 
def word_tokenizer(text):
    for token in word_tokenize.split(text): 
        if token and not token.isspace() and not token in punctuation:
            yield token
            
tokens = [word for word in word_tokenizer(text)]
print(tokens)
>>['Снабженный', 'таким', 'напутствием', "д'Артаньян", 
'как', 'телесно', 'так', 'и', 'духовно', 
'точь-в-точь', 'походил', 'на', 'героя', 
'Сервантеса', 'с', 'которым', 'мы', 'его', 
'столь', 'удачно', 'сравнили', 'когда', 'долг', 
'рассказчика', 'заставил', 'нас', 'набросать', 
'его', 'портрет', 'Дон-Кихоту', 'ветряные', 
'мельницы', 'представлялись', 'великанами', 'а',
'стадо', 'овец', 'целой', 'армией']
 
print(len(tokens))  
>>39 
 
import nltk
def nltk_tokenizer(text):
    for token in nltk.word_tokenize(text):
        if token and not token.isspace() and not token in punctuation:
            yield token 
 
tokens = [word for word in nltk_tokenizer(text)] 
print(tokens)
>>['Снабженный', 'таким', 'напутствием', "д'Артаньян", 
'как', 'телесно', 'так', 'и', 'духовно', 
'точь-в-точь', 'походил', 'на', 'героя',
'Сервантеса', 'с', 'которым', 'мы', 'его', 
'столь', 'удачно', 'сравнили', 'когда', 'долг',
'рассказчика', 'заставил', 'нас', 'набросать', 
'его', 'портрет', 'Дон-Кихоту', 'ветряные', 
'мельницы', 'представлялись', 'великанами', 'а',
'стадо', 'овец', 'целой', 'армией']
 
print(len(tokens))
>>39

import re
s = 'Hello, R2D2: how; are you?'
w = len(re.findall('\w+', s))
print(w)