码迷,mamicode.com
首页 > 其他好文 > 详细

中文词频统计

时间:2017-09-29 17:56:10      阅读:108      评论:0      收藏:0      [点我收藏+]

标签:image   结果   分享   src   并且   中文分词   port   open   pen   

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(C:/1.txt,r,encoding=utf-8).read()


for i in \n,.\()。,123"?:
    a=a.replace(i, )

b=jieba.cut(a)
d=list(b)

exc={ ,,,使,,,,一个,, 也是, ,,,,,廖沙,,,,,,,,,}
dict={}
key=set(d)
key=key-exc

print(key)

for i in key:
    
    dict[i]=d.count(i)

st=list(dict.items())
st.sort(key=lambda x:x[1],reverse=True)
print(st)
for i in range(20):
    print(st[i])

技术分享

阿廖沙的生活非常悲惨 跟随他的外祖母生活 <童年>并且讲述的是他在学校的故事

中文词频统计

标签:image   结果   分享   src   并且   中文分词   port   open   pen   

原文地址:http://www.cnblogs.com/123hi/p/7611691.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!