文本词频统计

#文本词频统计.py

#定义函数：
def getFT():
    file=open(r'..\Stu_pack\file\See You Again.txt','rt')
    ft=file.read()
    ft=ft.lower()                                                      #将文本里所有的字母都转换成小写
    for ch in "~`!@#$%^&*()_+-={}|[]\:;""<>?/'',":     #将所有的标点符号都用空格替代
        ft=ft.replace(ch,' ')
    return ft
    

txt=getFT()                                           #调用函数获得打开的文件的带空格的文本
words=txt.split()                                     #将只有带空格的文本按空格分成每个单词
wdCount={}                                            #定义字典变量以备记录单词出现的次数和最后输出内容

for word in words:
    wdCount[word]=wdCount.get(word,0)+1               #获取某单词的拼写和累加出现的次数
exc={'i','you','will','your'}
for word in exc:
    del(wdCount[word])
#将excludes里出现的单词删除掉

NewwdCount=list(wdCount.items())                     #将字典数据转换成列表类型
NewwdCount.sort(key=lambda x:x[1],reverse=True)      #将列表按第2列x[1]降序排序

#将结果内容以对应的格式打印出来
print('{0:<10}{1:>5}'.format('word','count'))
print('_'*20)
for i in range(5):
    print(NewwdCount[i])
    
for key,value in NewwdCount:
    if len(key)>3 and value>2:
        print(key,value)
    
#'<'表示左对齐，'>'表示右对齐