码迷,mamicode.com
首页 > 其他好文 > 详细

中文词频统计

时间:2017-09-29 21:19:41      阅读:117      评论:0      收藏:0      [点我收藏+]

标签:copy   9.png   pen   jieba   http   img   title   cut   ima   

技术分享
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={‘ ‘,‘和‘,‘你‘,‘使‘,‘都‘,‘所‘,‘又‘,‘一个‘,‘啊‘, ‘也是‘, ‘的‘,‘了‘,‘(‘,‘…‘,‘阿‘,‘廖沙‘,‘也‘,‘是‘,‘对‘,‘就‘,‘“‘,‘”‘,‘地‘,‘他‘,‘她‘}
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

技术分享

中文词频统计

标签:copy   9.png   pen   jieba   http   img   title   cut   ima   

原文地址:http://www.cnblogs.com/cch-1007/p/7612461.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!