码迷,mamicode.com
首页 > 其他好文 > 详细

中文词频统计

时间:2017-09-29 23:13:19      阅读:345      评论:0      收藏:0      [点我收藏+]

标签:image   转换   [1]   txt   技术   png   意义   port   import   

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(小说.txt,r,encoding=utf-8).read()
words=list(jieba.cut(news))
exp={,,但是,他们,这个,,,,}
dic={}
keys=set(words)-exp
for w in keys:
    if len(w)>1:
       dic[w]=words.count(w)
a=list(dic.items())
a.sort(key=lambda x:x[1],reverse=True)
for i in range(20):
    print(a[i])

技术分享

 

中文词频统计

标签:image   转换   [1]   txt   技术   png   意义   port   import   

原文地址:http://www.cnblogs.com/222ya/p/7610282.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!