【python二级】八十天环游世界

题目描述

附件中保存1个文本文件，分别对应2个问题‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

其中，文本文件“八十天环游地球txt”是法国作家儒勒. 凡尔纳《八十天环游地球》长篇小说的网络版本，请修改源文件实现以下功能。‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

问题2:统计每章节的高频词并打印输出。‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

要求:在模板补充代码，统计“八十天环游地球. txt”中每一章的标题和内容中，出现次数最多的词语(词语长度不少于2个字符)及其次数，输出格式为章节名、 词语及其出现的次数，以空格分隔，示例如下:‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

示例‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

第一章 福克 25
第二章 路路通 17
第三章 福克 26
第四章 福克 27
第五章 福克 31

代码

import jieba
import re
strf='八十天环游地球.txt'
with open(strf,'r',encoding='utf-8') as f:
    lines=f.read()
    t=re.findall('(第.{1,3}章.*)',lines)
with open(strf,'r',encoding='utf-8')as f:
    lines=f.read()
    s=re.sub('(第.{1,3}章.*)','$',lines)
    x=s.split('$')[1:]
for i,j in zip(t,x):
    counts={}
    txt=jieba.lcut(i+j)
    for word in txt:
        if len(word)>=2:
            counts[word]=counts.get(word,0)+1
    lsts=list(counts.items())
    lsts.sort(key=lambda x:x[1],reverse=True)
    word_max,count_max=lsts[0]
    chapter=re.findall('(第.{1,3}章)',i)[0]
    print(chapter+' '+word_max+' '+str(count_max))

简要说明：

这道题主要做两件事:1、把每一章相关的内容摘出来 2、分词

首先第一件事，我们要摘出每一章内容，就必须以标题为分割进行摘出，同时要注意，标题的字符也要加入这一章内容进行分词。
这里可以用re.findall(‘()’,lines)，把每一章标题摘到一个叫t的列表里。
然后用re.sub(‘()’,‘$’,lines)的方式，把冗长且无法统一的标题名替换成美元符号，然后用字符串split()方式去以美元为分割切成列表，然后去掉第一个元素，也就是标题，就剩下的是每一章的正文内容。

然后用zip()去把每一章对应的标题和正文内容赋值给i和j，再把它们拼起来分词、遍历、用字典记录词频、用列表倒序排序。最后把列表第一个元素拿出来，赋值给word_max和count_max，因为第一个元素是词频最大的。然后是输出，由于’第x章‘相关内容不好输出，再用正则表达式re.findall()去取出来，由于返回的是列表且只有一个元素，因此取[0]即为把这个’第x章’取出来了。

然后用字符串的方式输出来。