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 t=open('ghj.txt','r',encoding='utf-8').read() words=list(jieba.cut(t)) dic={} for i in words: if len(i)==1: continue else: dic[i]=dic.get(i,0)+1 w =list(dic.items()) w.sort(key=lambda x:x[1],reverse=True) for i in range(20): print(w[i])
解读:
向日葵,梵高,没有,爷爷是出现比较多的,讲的应该是爷爷和画向日葵的梵高有关的故事