以open函数打开“sample.txt”文件,统计里面出现过的单词频率。
首先通过“正则表达式”把非字母的符号全部变成空格,再用split()方法把所有的单词以“空格”为分隔符分割,储存在words变量中(list类型)。声明一个dict类型的变量word_counts,以单词作为key值,单词出现的次数作为value值。然后用“in”来判断单词是否存在word_counts中,若存在,则单词对应的value值加一,如果不存在,就新增一个key值,并把对应的value值初始化为1。
此程序中为了避免大小写造成的对比问题,把所有的单词都变成小写统计。
# -*- encoding:utf-8 -*-
import re
fp = open("sample.txt","r")
article = fp.read()
new_article = re.sub(r'[^A-Za-z]', ' ', article) #使用正则表达式把除了字母和空格以外的符号都去除
words = new_article.split( )
word_counts = {}
for word in words:
if word.lower() in word_counts:
word_counts[word.lower()] = word_counts[word.lower()] + 1
else:
word_counts[word.lower()] = 1
key_list = list(word_counts.keys())
key_list.sort()
for key in key_list:
if word_counts[key] >= 1:
print("{}:{}".format(key,word_counts[key]))