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。
代码如下：
import jieba txt = open(‘aaa.txt‘,‘r‘,encoding = ‘utf-8‘).read() words = list(jieba.cut(txt)) exp = {‘，‘,‘ ‘,‘“‘,‘”‘,‘。‘,‘、‘,‘\n‘,‘；‘} dic = {} keys = set(words) keys = keys-exp print(keys) for w in keys: dic[w]=words.count(w) wc = list(dic.items()) wc.sort(key=lambda x:x[1],reverse = True) for i in range(20): print(wc[i])
运行结果：
原文：http://www.cnblogs.com/1257-/p/7610437.html