武汉理工大学实验十第一关

任务描述

根据附件文件对酒店评价数据进行分析，本题使用jieba库中的lcut函数对数据进行分词。

1. import jieba
3. test_str = '武汉理工大学是一所世人仰慕的大学'`
4. result = jieba.lcut(test_str) # 参数是字符串，结果是将字符串切分为词的列表 `
5. print(result) # ['武汉理工大学', '是', '一所', '世人', '仰慕', '的', '大学']

文件数据每行包括评论属性和评论内容两个数据，其中评论属性中’1‘代表好评，’0‘代表差评。

要求实现以下功能：

文件编码格式为GBK，读取函数示例如下：

1. with open('comment.csv', 'r', encoding='GBK') as f:
2. ls=[i.strip().split(',',maxsplit=1) for i in f.readlines()[1:]]

输入n

如果n为’总评‘，分别输出该文件评论总数，好评条数，差评条数，输出格式参照示例一。

如果n为’平均‘，输出该文件中所有评论内容的平均长度（不需要排除字母，标点符号和数字），输出四舍五入后的整数，输出格式参照示例二。

如果n为’好评‘，对文件中所有好评进行词频分析，并输出词频出现最多的前15个词以及出现次数，输出格式参照示例三

如果n为’差评‘，对文件中所有差评进行词频分析，并输出词频出现最多的前15个词以及出现次数，输出格式参照示例四

注：3，4两项功能中统计的词语，要求长度不小于2，不是数字组成，并且不是排除词.

排除词 ex=['不错','比较','可以','感觉','没有', '我们','就是','还是','非常','但是', '不过','有点','一个','一般','下次', '携程','不是','晚上','而且','他们', '什么','不好','时候','知道','这样', '这个','还有','总体','位置','客人', '因为','如果','这里','很多','选择', '居然','不能','实在','不会','这家', '结果','发现','竟然','已经','自己', '问题','不要','地方','只有','第二天', '酒店','房间','虽然']‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‪‬

如果n非以上输入，输出’无数据‘，格式参照示例五 输入输出示例 示例只是输出格式示例，其中数据均与题目无关！

答案如下：

import jieba

import logging

jieba.setLogLevel(logging.INFO) #  提升jieba日志级别,关闭jieba debug日志输出

def output_tf(start,end):

    counts={}

    k=start

    while k < end:

        word_ls=jieba.lcut(ls[k][1])

        for word in word_ls:

            if len(word)<2 or word  in ex or word.isdigit():

                continue

            else:

                counts[word]=counts.get(word,0)+1

        k+=1

    items=list(counts.items())

    items.sort(key=lambda x: x[1],reverse=True)

    for i in range(15):

        word,count=items[i]

        print(f'{word}: {count}')

with open('step1/comment.csv', 'r', encoding='GBK') as f:

    ls=[i.strip().split(',',maxsplit=1) for i in f.readlines()[1:]]

    ex=['不错','比较','可以','感觉','没有', '我们','就是','还是','非常','但是', '不过','有点','一个','一般','下次', '携程','不是','晚上','而且','他们', '什么','不好','时候','知道','这样', '这个','还有','总体','位置','客人', '因为','如果','这里','很多','选择', '居然','不能','实在','不会','这家', '结果','发现','竟然','已经','自己', '问题','不要','地方','只有','第二天', '酒店','房间','虽然']

cmd=input()

good=0

total=len(ls)

sums=0

if cmd in ['总评','平均','好评','差评']:

    for i in ls:

        if i[0]=='1':

            good+=1

    if cmd=='总评':

        print('总评论:',total)

        print('好评:',good)

        print('差评:',total-good)

    elif cmd=='平均':

        for i in ls:

            sums+=len(i[1])

        print(sums // total)

    elif cmd=='好评':

        output_tf(0,good)

    elif cmd=='差评':

        output_tf(good,total)

else:

    print('无数据')