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(‘gimigag.txt‘,‘r‘,encoding=‘utf-8‘).read()

a=list(jieba.cut(news))
exp={‘\ufeff‘,‘\u3000‘,‘\n‘}

keys = set(a)-exp
dic = {}
for w in keys:
    if len(w)>1:
        dic[w]=a.count(w)
t = list(dic.items())
t.sort(key=lambda x:x[1],reverse = True)
for i in range(20):
    print(t[i])