将文档中汉字转化为拼音并进行频数统计

将文档中汉字转化为拼音并进行频数统计

记录一下做过的小项目，项目要求从txt文档中读取数据，将其中的汉字转化为拼音并统计每个拼音出现的次数(不对注音做要求)。

from pypinyin import pinyin, lazy_pinyin, Style

f = open('./character_convert/sentence.txt') #打开文件 
Hashtable = dict() #创建空哈希表
while (1):
    c = f.read(1) #读取一个字符
    if not c:
        break #若读到文件结尾则终止
    if u'\u4e00' <= c <= u'\u9fff':
        # 若读取字符为汉字
        cp = lazy_pinyin(c)[0] #转为拼音，lazy_pinyin返回列表，我们保持字符串
        # print(cp)
        if cp in Hashtable.keys():
            #若该拼音已经在哈希表中，则计数加一
            Hashtable[cp]+=1
        else:
            #否则创建该项
            Hashtable[cp]=1

Hashtable = sorted(Hashtable.items(), key=lambda item:item[1], reverse=True) #根据value值对哈希表排序
# print(Hashtable)

with open("result.txt","w") as f:
    # 按条件保存需要的条目
    for item in Hashtable:
        if item[1] >= 5:
            f.write(item[0]+' : '+str(item[1])+'\n')
        else:
            break
print('done...')

补充：

• pypinyin的使用参考https://github.com/mozillazg/python-pinyin
• 汉字的编码范围为\u4e00 - \u9fff
• lambda匿名函数：

def sq(x):
    return x*x
lambda x: x*x

可以用lambda函数表示一些简单的函数
这里的

 key=lambda item:item[1]

传入item，返回item[1]。