外交部发言人发言语料抓取及简单分析

花了点时间，把外交部网站上的发言人表态一栏中的数据全部抓取下来，按照一定的格式保存于文件中，时间范围是2010-09-14～2014-06-18，如果跑在服务器上的话，可以做增量更新，即若有更新每天下载一篇新的文章。我国的外交部发言人制度是在1983年3月1日开始设立的，但是外交部网站上公布的数据好像只有我拿到的这些。

文件格式如图：

(声明：本人只是想把这些答记者问的对话当作自然语言处理的语料，进行学习。)

从这些文本中统计出如下信息;

发言人出场的次数

姓名 次数
洪磊 458
华春莹 175
刘为民 117
秦刚 98
姜瑜 90
马朝旭 62

发言长度最长和最短

2011年4月19日外交部发言人洪磊举行例行记者会1580
2014年2月27日外交部发言人华春莹主持例行记者会 1277

发言中出现的词数，由多到少，前50位(去除了一些停用词)：

中方 10074
中国 5248
问