首页 > 其他 > 详细

第四周作业

时间:2018-09-28 19:56:51      阅读:146      评论:0      收藏:0      [点我收藏+]
#英文统计词频

fo = open(yingwen.txt, r, encoding=utf-8)
str = fo.read()  #通过文件读取字符串 str
fo.close()
print(str)

##预处理标点符号
str = str.replace(.,‘‘)
print(str)

##预处理特殊字符
sep = .,:‘‘;?!-_
for ch in sep:
    str = str.replace(ch,‘‘)
    print(str)

#分解提取单词 list
strlist = str.split()
print(len(strlist),strlist)

##单词计数set
strSet  = set(strlist)
print(len(strSet),strSet)

##单词计数dict
strDict={}
for word in strSet:
    strDict[word]=strlist.count(word)
    print(len(strDict),strDict)

##词频排序list.sort(key=)
Dict = dict(strDict)
DictList = list(Dict.items())
print(DictList)
DictList.sort(key=lambda x:x[1],reverse = True)
print(DictList)

#排除语法型词汇,代词、冠词、连词等无语义词
strSet = set(strSet)
exclude = {a,and,the,i,you}
exset = strSet-exclude
print(len(exset),exset)

#.输出TOP(20)
for i in range(20):
    print(DictList[i])

技术分享图片

#中文词频统计

fo = open(水浒传.txt, r, encoding=utf-8)
strhu = fo.read()  #通过文件读取字符串 str
fo.close()
print(strhu)

#特殊符号处理
sep = ,。?!;:‘’“”
for sh in sep:
    strhu = strhu.replace(sh,‘‘)
    print(strhu)

##单词计数set
strSet  = set(strhu)
print(len(strSet),strSet)

##单词计数dict
strDict={}
for word in strSet:
    strDict[word]=strhu.count(word)
    print(len(strDict),strDict)

#把字典转换为列表
xhList = list(strDict.items())
print(xhList)

#排序
xhList.sort(key=lambda x: x[1], reverse=True)
print(xhList)

#.输出TOP(20)
for i in range(20):
    print(xhList[i])

技术分享图片

第四周作业

原文:https://www.cnblogs.com/XLxielin/p/9720391.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!