python二级第十套答案

python二级第十套答案
46、考生文件夹下，存在2个Python源文件和1个文本文件。其中，2个Python源文件对应2个问题，文本文件“data.txt”中包含一篇从互联网上下载的关于“德国工业4.0战略规划实施建议摘要”的文章。请分别补充2个Python源文件，完成以下功能。

问题1(10分)：文件内容清洗。要求：在文件PY301-1.py中补充代码，对文件data.txt的内容进行清理，去除中文标点符号，只保留中文、英文、数字、英文标点符号等字符，将结果输出到文件clean.txt中。示例如下：

德国工业4.0战略计划实施建议摘编机械工业信息研究院战略与规化研究所一德国实施工业…(略)

问题2(10分)：提取主题词及其出现频次。要求：在文件PY301-2.py中补充代码，提取clean.txt文件中长度不少于3个字符的词语并统计词频，将词频最高的10个词语作为主题词，并将主题词及其频次输出到屏幕。示例如下：

4.0:10,制造业:9,…(略)

注意:输出格式采用英文冒号和英文逗号，标点符号前后无空格，各词语中间用逗号分隔，最后一个词语后无逗号。

# 
# 以下代码仅供参考。
# 

import jieba
f=open('data.txt','r',encoding='utf-8')
data=f.read()
f.close()
f=open('clean.txt','w')
s=''
x='，。？、‘’“”；：、 ）\n（！'
for i in data:
    if i not in x:
        s+=i
f.write(s)
f.close()

# 
# 以下代码仅供参考。
# 

import jieba
f=open('clean.txt','r')
data=f.read()
l=jieba.lcut(data)
d = {}
for i in l:
    if len(i)>=3:
        d[i] = d.get(i,0)+1
lt = list(d.items())
lt.sort(key = lambda x:x[1],reverse = True)
for i in lt[:9]:
    print(i[0],':',i[1],end=',',sep='')
print(lt[9][0],':',lt[9][1],sep='')
f.close()