首页 > 其他 > 详细

中文词频统计

时间:2017-09-29 13:07:33      阅读:248      评论:0      收藏:0      [点我收藏+]

.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
txt = open(test.txt,r,encoding=utf-8).read()
for i in ,。“” ;:?、\n:
    txt=txt.replace(i,‘‘)
words = list(jieba.cut(txt))
dic={}
keys=set(words)
for j in keys:
    if len(j)==1:
        continue
    else:
        dic[j]=words.count(j)+1
wc=list(dic.items())
wc.sort(key= lambda x:x[1],reverse=True)
for i in range(10):
    print(wc[i])

 

中文词频统计

原文:http://www.cnblogs.com/lzp963/p/7610561.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!