1.下载一中文长篇小说,并转换成UTF-8编码。
2.使用jieba库,进行中文词频统计,输出TOP20的词及出现次数。
3.排除一些无意义词、合并同一词。
import jieba
txt=open('kobe.txt','r',encoding='UTF-8').read()
for i in ',。!?:“”……()':
txt=txt.replace(i,'')
words=list(jieba.cut(txt))
dic={}
for i in words:
if len(i)==1:
continue
else:
dic[i]=dic.get(i,0)+1
wc=list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)
#print(a)
for i in range(20):
print(wc[i])