思路:
1.通过jieba库分词获取所有的词语列表;
2.计算列表里出现词语及其对应的频次,存储为字典;
3.删除字典中键为无关且频次高的词语的键值对;
4.对字典里的词语按照频次进行排序;
5.输出频次前五的词语及其频次;
如果没有安装 jieba 库,需要使用 cmd 进入命令提示符窗口,通过 pip install jieba 进行安装。
源代码如下
import jieba
file = open("sample.txt", "r", encoding='utf-8') #此处需打开txt格式且编码为UTF-8的文本
txt = file.read()
words = jieba.lcut(txt) # 使用jieba进行分词,将文本分成词语列表
count = {}
for word in words: # 使用 for 循环遍历每个词语并统计个数
if len(word) < 2: # 排除单个字的干扰,使得输出结果为词语
continue
else:
count[word] = count.get(word, 0) + 1 #如果字典里键为 word 的值存在,则返回键的值并加一,如果不存在键word,则返回0再加上1
exclude = ["可以", "一起", "这样"] # 建立无关词语列表
for key in list(count.keys()): # 遍历字典的所有键,即所有word
if key in exclude:
del count[key] # 删除字典中键为无关词语的键值对
list = list(count.items()) # 将字典的所有键值对转化为列表
list.sort(key=lambda x: x[1], reverse=True) # 对列表按照词频从大到小的顺序排序
for i in range(5): # 此处统计排名前五的单词,所以range(5)
word, number = list[i]
print("关键字:{:-<10}频次:{:+>8}".format(word, number))