码迷,mamicode.com
首页 > 其他好文 > 详细

中文词频统计

时间:2017-09-29 13:24:33      阅读:131      评论:0      收藏:0      [点我收藏+]

标签:else   test   分词   key   .so   lam   count   port   合并   

.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
txt = open(test.txt,r,encoding=utf-8).read()
for i in ,。“” ;:?、\n:
    txt=txt.replace(i,‘‘)
words = list(jieba.cut(txt))
dic={}
keys=set(words)
for j in keys:
    if len(j)==1:
        continue
    else:
        dic[j]=words.count(j)+1
wc=list(dic.items())
wc.sort(key= lambda x:x[1],reverse=True)
for i in range(10):
    print(wc[i])

 

中文词频统计

标签:else   test   分词   key   .so   lam   count   port   合并   

原文地址:http://www.cnblogs.com/lzp963/p/7610561.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!