码迷,mamicode.com
首页 > 其他好文 > 详细

中文词频统计

时间:2018-03-28 18:55:56      阅读:124      评论:0      收藏:0      [点我收藏+]

标签:exclude   word   text   utf-8   txt   rdl   统计   enc   article   

import jieba

f = open(article.txt,r,encoding=utf-8)
text = f.read()
f.close()
str = ‘‘‘一!“”,。?;’"‘,.、:\n‘‘‘
for s in str:
    text = text.replace(s, )
wordlist = list(jieba.cut(text))
exclude = {,你们,,,,,,,,他们,,,,,,,,
           ,,可是,自己,,,什么,,一个, ,,,,一点,,,
           没有,,,,,,,,,不是,,但是,已经,那么,,因为,}
set = set(wordlist) - exclude
dict = {}
for key in set:
    dict[key]=wordlist.count(key)
dictlist = list(dict.items())
dictlist.sort(key=lambda x: x[1], reverse=True)
for i in range(20):
    print(dictlist[i])

结果截图:

技术分享图片

 

中文词频统计

标签:exclude   word   text   utf-8   txt   rdl   统计   enc   article   

原文地址:https://www.cnblogs.com/stcy520/p/8665174.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!