使用python统计《红楼梦》中人物出现的次数

1、安装jieba第三方库
jieba库是优秀的中文分词库，它能够将句子分成词语。
安装方法：
在cmd命令行中输入：pip install jieba
电脑在联网的情况下会自动下载安装jieba库

2、程序代码：
#XiyoujiV1.py
import jieba

txt = open(‘redstone.txt’, ‘r’, encoding = ‘utf-8’).read() #读取txt文件
words = jieba.lcut(txt) #使用jieba库进行精确模式分词，返回一个列表类型的分析结果
counts = {} #创建字典数据类型

for word in words: #统计词出现的次数
if len(word) == 1:
continue
else:
counts[word] = counts.get(word,0)+1

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

for i in range(15): #输出出现次数较多的前15个人物
word, count = items[i]
print("{0:<10}{1:>5}".format(word, count))

3、下载红楼梦的文本文档，保存为.txt格式

4、运行程序后出现了如下错误提示：

这里的错误是由于txt文档的保存格式不对，默认情况下txt文档的编码为ANSI格式，而此处为udf-8读取方式，所以会出现以上的错误提示。


需要在txt保存时另存为中，编码下拉框中选择UTF-8。
此时，再次运行程序即可。
运行成功后的结果如下图：

5、进一步优化
结果中一个、什么、我们并不是人名，我们需要去除。因此，我们对结果进一步统一优化。
#CalThreeKingdomsV1.py

import jieba

txt = open(‘redstone.txt’, ‘r’, encoding = ‘utf-8’).read()
excludes = {‘什么’, ‘一个’, ‘我们’, ‘你们’, ‘如今’, ‘说道’, ‘知道’, ‘起来’, ‘这里’,‘姑娘’,‘出来’,‘众人’,‘那里’,‘自己’}
words = jieba.lcut(txt)
counts = {}

for word in words:
if len(word) == 1:
continue
elif word == ‘贾母’ or word == ‘老太太’:
rword = ‘贾母’
else:
rword = word
counts[word] = counts.get(word,0)+1

for word in excludes:
del counts[word]

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

for i in range(10):
word, count = items[i]
print("{0:<10}{1:>5}".format(word, count))

6、运行的结果如下：

7、总结：
txt文档的存储为容易出错的地方，需要注意！
后期的优化，需要不断剔除其他干扰词汇。同样使用该方法可以统计西游记、水浒传、三国中的人物出场次数！