python高频词汇表大全_利用python统计word文档高频词汇

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import jieba

import jieba.analyse

import codecs

import re

from collections import Counter

class WordCounter(object):

def count_from_file(self, file, top_limit=0):

with codecs.open(file, ‘r’, ‘utf-8′) as f:

content = f.read()

content = re.sub(r’\s+’, r’ ‘, content)

content = re.sub(r’\.+’, r’ ‘, content)

return self.count_from_str(content, top_limit=top_limit)

def count_from_str(self, content, top_limit=0):

if top_limit <= 0:

top_limit = 100

tags = jieba.analyse.extract_tags(content, topK=100)

words = jieba.cut(content,cut_all=True)    #自行设置jieba的模式

counter = Counter()

for word in words:

if word in tags:

counter[word] += 1

return counter.most_common(top_limit)

if __name__ == ‘__main__’:

counter = WordCounter()

result = counter.count_from_file(r’bj.txt’, top_limit=20)    #文件名bj.txt,选取前20高频词

for k, v in result:

print (k, v)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值