中文分词
- 下载一中文长篇小说,并转换成UTF-8编码。
- 使用jieba库,进行中文词频统计,输出TOP20的词及出现次数。
- 排除一些无意义词、合并同一词。
- 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])