python词频统计之《哈姆雷特》_实现对Hamlet的文本词频统计

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。