作业10——中文词频统计

.中文分词

1、下载一中文长篇小说，并转换成UTF-8编码。

2、使用jieba库，进行中文词频统计，输出TOP20的词及出现次数。

3、排除一些无意义词、合并同一词。

4、对词频统计结果做简单的解读。

import jieba
txt=open('a.txt','r',encoding='utf-8').read()

for i in '，。！？：“”……《》（）':
    txt=txt.replace(i,'')#替换

words=list(jieba.cut(txt))#列表

dic={}#空字典

for w in words:
    if len(w)==1:#除去长度为一的字
        continue
    else:
        dic[w]=dic.get(w,0)+1
    
wc=list(dic.items())#（字符，计数）元组列表
wc.sort(key=lambda x:x[1],reverse=True)#列表排序

for i in range(20):#输出TOP20的元组
    print(wc[i])

 

转载于:https://www.cnblogs.com/888abc/p/7609674.html