python 统计汉语_用Python程序统计一篇txt文章中的所有汉字字频

展开全部

假设你的系统为 Windows，即中文环境编码为 gbk。看代码：# -*- encoding: gbk -*-

def is_chinese(uchar):

"""判断一个unicode是否是汉字"""

if uchar >= u'\u4E00' and uchar <= u'\u9FA5':

e68a84e8a2ad62616964757a686964616f31333337623531return True

else:

return False

def count_chinese_word(filepath, encoding):

_dict = {}

try:

with open (filepath, 'r') as txt_file:

for line in txt_file:

ustr = line.decode(encoding)

for uchar in ustr:

if is_chinese(uchar):

if _dict.has_key(uchar):

_dict[uchar] = _dict[uchar] + 1

else:

_dict[uchar] = 1

except IOError as ioerr:

print "文件",filepath,"不存在"

return _dict

if __name__ == '__main__':

_dict = count_chinese_word('内容.txt', 'gbk')

import json

print json.dumps(_dict, encoding = "utf-8", indent = 4, ensure_ascii = False)

内容.txt：

运行：