思路:
1、open( ) 读取文本,for 对特殊字符进行 ch.replace( )替换;
2、hamletTxt.split( ) 对单词切分,获得了一个以空格分开的单词小写归一化文本;
3、把单词作为字典key counts[word] ,字典值为统计次数 counts.get(word,0) + 1,for循环 统计词频次数;
4、字典换为列表,字典值-统计次数,降序排序;
5、输出前面出现次数最多的词频。
代码如下:
def getText():
txt = open("hamlet.txt", "r").read()
txt = txt.lower()
for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':
txt = txt.replace(ch, " ") #将文本中特殊字符替换为空格
return txt
# 获得了一个以空格分开的单词小写归一化文本
hamletTxt = getText()
words = hamletTxt.split() # 默认空隔切分,列表形式返回给Word,每个元素就是一个单词以空格分开
counts = {} # 以字典类型映射出统计对应关系
for word in words: # 2行代码统计次数
counts[word] = counts.get(word,0) + 1
# word 为键,get方法获取值 判断单词在不在字典中,在就+1 不在就添加赋值0 +1
items = list(counts.items()) # 把字典转换列表类型
# 要清楚字典转换为列表的元素存储方式 x[0] 是单词 x[1] 是统计次数
items.sort(key=lambda x:x[1], reverse=True) # 通过以降序 统计次数为排序依据
for i in range(10):
word, count = items[i]
print ("{0:<10}{1:>5}".format(word, count)) # 左右对齐方式 输出文本词频统计