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
   news=open(‘jane.txt‘,‘r‘,encoding=‘utf-8‘).read()
   words=list(jieba.cut(news))
   
   exp={‘是不是‘,‘只不过‘}
   keys=set(words)-exp
   
   dic={}
   for w in keys:
       if len(w)>2:
           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])