首页 > 其他 > 详细

中文词频统计

时间:2017-09-29 12:22:03      阅读:157      评论:0      收藏:0      [点我收藏+]

中文分词

  1. 下载一中文长篇小说,并转换成UTF-8编码。
  2. 使用jieba库,进行中文词频统计,输出TOP20的词及出现次数。
  3. 排除一些无意义词、合并同一词。
  4. 对词频统计结果做简单的解读。
import jieba
fo = open(傲慢与偏见前十章.txt,r,encoding=utf-8).read()
words = list(jieba.cut(fo,cut_all=True))

for i in ‘‘‘,。:‘’“”?!\n \u3000\u3000‘‘‘:
    fo = fo.replace(i, )
words = fo.split( )
exp={‘‘,,,她说,}
dic={}
keys=set(words)-exp
for w in keys:
    dic[w]=words.count(w)

wc = list(dic.items()) 
wc.sort(key= lambda x:x[1],reverse=True)

for i in range(20):
    print(wc[i])

技术分享

 

中文词频统计

原文:http://www.cnblogs.com/yangjlee/p/7610451.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!