一、程序分析
1、读取文件到缓冲区
def process_file(dst): # 读文件到缓冲区
try: # 打开文件
f = open(dst, 'r') # dst为文本的目录路径
except IOError as s:
print(s)
return None
try: # 读文件到缓冲区
bvffer = f.read()
except:
print('Read File Error!')
return None
f.close()
return bvffer
2、缓冲区字符串分割成带有词频的字典
def process_buffer(bvffer):
if bvffer:
word_freq = {} # 下面添加处理缓冲区 bvffer代码,统计每个单词的频率,存放在字典word_freq
bvffer = bvffer.lower() # 将文本内容都改为小写
for ch in '“‘!;,.?”': # 除去文本中的中英文标点符号
bvffer = bvffer.replace(ch, " ")
words = bvffer.strip().split()
# strip()删除空白符(包括'/n', '/r','/t');split()以空格分割字符串
for word in words:
word_freq[word] = word_freq.get(word, 0) + 1
return word_freq
3、将字典按词频排序并输出排名前十的键值对
def output_result(word_freq):
if word_freq:
# 根据v[1]即词频数量排序
sorted_word_freq = sorted(word_freq.items(), key=lambda v: v[1], reverse=True)
for item in sorted_word_freq[:10]: # 输出 Top 10 的单词
print("词:%-5s 频:%-4d " % (item[0], item[1]))
4、主函数对之前的函数进行整合
def main():
dst = 'Gone_with_the_wind.txt' # 《飘》文件的路径
bvffer = process_file(dst)
word_freq = process_buffer(bvffer)
output_result(word_freq)
if __name__ == "__main__":
cProfile.run("main()", "result")
# 把分析结果保存到文件中,不过内容可读性差...需要调用pstats模块分析结果
p = pstats.Stats("result") # 创建Stats对象
p.strip_dirs().sort_stats("call").print_stats() # 按照调用的次数排序
p.strip_dirs().sort_stats("cumulative").print_stats() # 按执行时间次数排序
# 根据上面2行代码的结果发现函数process_buffer最耗时间
p.print_callees("process_buffer") # 查看process_buffer()函数中调用了哪些函数
二、程序运行命令、运行结果截图