中文词频统计

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
   a=open(‘呼啸山庄.txt‘,‘r‘,encoding=‘utf-8‘).read()
   b=list(jieba.cut(a))
   
   exp={‘我们‘,‘他们‘,‘，‘,‘。‘,‘一个‘,‘没有‘,‘可是‘,‘起来‘}
   
   
   keys=set(b)-exp
   dic={}
   for c in keys:
       if len(c)>1:
           dic[c]=b.count(c)
   
   d=list(dic.items())
   d.sort(key=lambda x:x[1],reverse =True)
   for i in range (15):
       print(d[i])