码迷,mamicode.com
首页 > 其他好文 > 详细

中文词频统计

时间:2017-09-30 00:31:42      阅读:131      评论:0      收藏:0      [点我收藏+]

标签:简单   ems   for   jieba   sort   logs   统计   utf-8   get   

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
f=open(kiu.txt,r,encoding=utf-8).read()
words=list(jieba.cut(f))

dic={}
for i in words:
    if len(i)==1:
        continue
    else:
        dic[i]=dic.get(i,0)+1

w =list(dic.items())
w.sort(key=lambda x:x[1],reverse=True)

for i in range(20):
    print(w[i])

 

技术分享

解读:

讲的是三藏与大圣美猴王的故事

中文词频统计

标签:简单   ems   for   jieba   sort   logs   统计   utf-8   get   

原文地址:http://www.cnblogs.com/honghui/p/7612907.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!