首页 > 其他 > 详细

中文词频统计

时间:2017-09-29 21:51:49      阅读:248      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,输出TOP20的词及出现次数。

3.排除一些无意义词、合并同一词。

import jieba

txt = open(wkz.txt, r, encoding=UTF-8).read()

for i in ,。!?:“”……()你我他她是没有一什么这为那这:
    txt = txt.replace(i, ‘‘)
words = list(jieba.cut(txt))

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

wc = list(dic.items())
wc.sort(key=lambda x: x[1], reverse=True)
# print(a)

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

《悟空传》

技术分享

 

中文词频统计

原文:http://www.cnblogs.com/GAODASHANG/p/7612852.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!