首页 > 其他 > 详细

中文词频统计

时间:2017-09-29 21:50:02      阅读:306      评论:0      收藏:0      [点我收藏+]

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

3)输出TOP20的词及出现次数

4)排除一些无意义词、合并同一词

import jieba
txt = open(A.txt,r,encoding=utf-8).read()#转换成UTF-8编码
words = list(jieba.cut(txt))

exp={}
keys=set(words)

dic={}
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])#输出TOP20的词及出现次数
    
print(list(jieba.cut(txt)))

print(list(jieba.cut_for_search(txt)))

print(list(jieba.cut(txt,cut_all=True)))

结果如下图所示:

技术分享

 

 

中文词频统计

原文:http://www.cnblogs.com/yuanyinglin/p/7609648.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!