代码如下:
#CalHamletV1.py
def getText():
txt=open("hamlet.txt","r").read()
txt=txt.lower()
for ch in '!"#%&()*+,-./:;<=>?@[\\]^_{|}·~''':
txt=txt.replace(ch,"")
return txt
hamletTxt=getText()
words=hamletTxt.split()
counts={}
for word in words:
counts[word]=counts.get(word,0)+1
items=list(counts.items())
items.sort(key=lambda x:x[1],reverse=True)
for i in range(10):
word,count=items[i]
print("{0:<10}{1:>5}".format(word,count))
首先是读取文本并且对文本进行归一化处理,然后利用字典组合数据格式对出现的次数进行统计然后输出。
运行后得到的统计数据如下:
the 1137
and 963
to 736
of 669
you 546
i 540
a 527
my 513
hamlet 459
in 435
可看出python非常简单的就能实现了对文本词频的统计。
另外需要注意的是,在文本读入过程前,需要将命名为hamlet的txt格式文本放在源代码的同一文件目录下。