中文词频统计

中文分词

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。
4. 对词频统计结果做简单的解读。

   import jieba
   xw=open('傲慢与偏见前十章.txt','r',encoding='utf-8').read()
   ma=list(jieba.cut(xw))
   exp={'，','。','\n','\u3000','“','”'}
   dic = {}
   keys=set(ma)-exp #键的集合
   for i in keys:
       if len(i)>1:
           dic[i]=ma.count(i) #单词计数词典
   js=list(dic.items())#单词计数元祖列表
   js.sort(key=lambda x:x[1],reverse=True) #排序
   for i in range(15): #输出top15
       print(js[i])

   

    

转载于:https://www.cnblogs.com/JaTae/p/7610350.html