python分词统计词频_python进行分词及统计词频

#!/usr/bin/python

# -*- coding: UTF-8 -*-

#分词统计词频

import jieba

import re

from collections import Counter

content=""

filename=r"../data/commentText.txt";

result = "result_com.txt"

r='[0-9\s+\.\!\/_,$%^*()?;；:-【】+\"\']+|[+——！，;：。？、 ~@#￥%……&*（）]+'

with open(filename,'r',encoding='utf-8') as fr:

print("ss")

content=re.sub(r," ",fr.read())

#re.sub(pattern, repl, string, count=0, flags=0)

# pattern：表示正则表达式中的模式字符串；

# repl：被替换的字符串（既可以是字符串，也可以是函数）；

# string：要被处理的，要被替换的字符串；

# count：匹配的次数, 默认是全部替换

# flags：具体用处不详

data=jieba.cut(content,cut_all=False)

data=dict(Counter(data))#dict() 函数用于创建一个字典。Counter 是实现的 dict 的一个子类，可以用来方便地计数。

with open(result,'w',encoding="utf-8")as fw:

for k,v in data.items():

if(len(k)>1):

fw.write(k)

fw.write("\t%d\n"%v)

语言：Python3.7 包：jieba counter re

出错内容：由于没有在写入文件中规定其编码方式，导致为16进制写入，设置编码方式即可