odi style sort 分词 ever 转换 mes 中文分词 utf-8
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
- s=open(‘xiaoshuo.txt‘,‘r‘,encoding=‘utf-8‘)
- #读入待分析的字符串
- str=s.read()
- s.close()
- for i in ‘,。!、 \n “ ” ;‘:
- str=str.replace(i,‘‘)
- words=jieba.cut(str)
- word=set(words)
- #计数字典
- dic={}
- for i in word:
- if len(i)>1:
- dic[i]=str.count(i)
- str=list(dic.items())
- #排序
- str.sort(key=lambda x:x[1],reverse=True)
- for i in range(20):
- print(str[i])
中文词频统计
来源: http://www.bubuko.com/infodetail-2331415.html