如何用python统计一个txt文件中各个单词出现的次数

Posted 2023-03-14

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了如何用python统计一个txt文件中各个单词出现的次数相关的知识，希望对你有一定的参考价值。

1、首先，定义一个变量，保存要统计的英文文章。

2、接着，定义两个数组，保存文章中的单词，以及各单词的词频。

3、从文章中分割出所有的单词，保存在数组中。

4、然后，计算文章中单词的总数，保存在变量中。

5、用for循环，统计文章中各单词的词频。

6、最后，输出文章中各单词的词频。

7、运行程序，电脑会自动统计输入文章中各单词的词频。

参考技术A content =
wth open("文件") as fr:
for line in fr:
lines = line.strip().split(" ") #假设单词与单词之间，空格做为分隔符
for word in lines:
if word not in content:
content[word] = 0
content[word] += 1
for word,val in content.items():
print '%s:%d\n"%(word,val)本回答被提问者采纳

调用MapReduce对文件中各个单词出现的次数进行统计

把本地文件系统的“/home/hadoop/ljk.txt”上传到HDFS中的当前用户目录的input目录下，也就是上传到HDFS的“/user/hadoop/input/”目录下：

./bin/hdfs dfs -put /home/hadoop/ljk.txt  input

可以使用ls命令查看一下文件是否成功上传到HDFS中，具体如下：

```
./bin/hdfs dfs –ls input
```

首先，启动Eclipse

直接采用默认的设置“/home/hadoop/workspace”，工作空间目录位于hadoop用户目录“/home/hadoop”下。
Eclipse启动以后，呈现的界面如下图所示。

创建一个Java工程。

在“Project name”后面输入工程名称“WordCount”，选中“Use default location”，让这个Java工程的所有文件都保存在“/home/hadoop/workspace/WordCount”目录下。
进入下一步

需要在这个界面中加载该Java工程所需要用到的JAR包，这些JAR包中包含了与Hadoop相关的Java API。这些JAR包都位于Linux系统的Hadoop安装目录下，就是在“/usr/local/hadoop/share/hadoop”目录下。点击界面中的“Libraries”选项卡，然后，点击界面右侧的“Add External JARs…”按钮，弹出如下图所示界面。

为了编写一个MapReduce程序，一般需要向Java工程中添加以下JAR包：
（1）“/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar；
（2）“/usr/local/hadoop/share/hadoop/common/lib”目录下的所有JAR包；
（3）“/usr/local/hadoop/share/hadoop/mapreduce”目录下的所有JAR包，但是，不包括lib、lib-examples和sources目录，具体如下图所示。

（4）“/usr/local/hadoop/share/hadoop/mapreduce/lib”目录下的所有JAR包。
比如，如果要把“/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar添加到当前的Java工程中，可以在界面中点击相应的目录按钮，进入到common目录，然后，界面会显示出common目录下的所有内容（如下图所示）。

最后把所需的jar导入，按下finish

找到开始创建好的工程名称“WordCount”，然后在该工程名称上点击鼠标右键，在弹出的菜单中选择“New–>Class”菜单。

在该文件中输入完整的词频统计程序代码：

```
import java.io.IOException;
```
```
import java.util.Iterator;
```
```
import java.util.StringTokenizer;
```

import org.apache.hadoop.conf.Configuration;

```
import org.apache.hadoop.fs.Path;
```

import org.apache.hadoop.io.IntWritable;

```
import org.apache.hadoop.io.Text;
```

import org.apache.hadoop.mapreduce.Job;

import org.apache.hadoop.mapreduce.Mapper;

import org.apache.hadoop.mapreduce.Reducer;

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import org.apache.hadoop.util.GenericOptionsParser;

```
public class WordCount 
```
```
public WordCount() 
```

 public static void main(String[] args) throws Exception

    Configuration conf = new Configuration();

    String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();

```
    if(otherArgs.length < 2) 
```

        System.err.println("Usage: wordcount <in> [<in>...] <out>");

```
        System.exit(2);
```
```
    
```

    Job job = Job.getInstance(conf, "word count");

    job.setJarByClass(WordCount.class);

    job.setMapperClass(WordCount.TokenizerMapper.class);

    job.setCombinerClass(WordCount.IntSumReducer.class);

    job.setReducerClass(WordCount.IntSumReducer.class);

```
    job.setOutputKeyClass(Text.class);
```

    job.setOutputValueClass(IntWritable.class);

    for(int i = 0; i < otherArgs.length - 1; ++i)

        FileInputFormat.addInputPath(job, new Path(otherArgs[i]));

```
    
```

    FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));

    System.exit(job.waitForCompletion(true)?0:1);

public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>

    private static final IntWritable one = new IntWritable(1);

```
    private Text word = new Text();
```
```
    public TokenizerMapper() 
```
```
    
```

    public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException

        StringTokenizer itr = new StringTokenizer(value.toString());

```
        while(itr.hasMoreTokens()) 
```

            this.word.set(itr.nextToken());

            context.write(this.word, one);

```
        
```
```
    
```

public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable>

    private IntWritable result = new IntWritable();

```
    public IntSumReducer() 
```
```
    
```

    public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException

```
        int sum = 0;
```
```
        IntWritable val;
```

        for(Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get())

            val = (IntWritable)i$.next();

```
        
```
```
        this.result.set(sum);
```

        context.write(key, this.result);

```
    
```

在弹出的菜单中选择“Run as”，继续在弹出来的菜单中选择“Java Application”。

然后，会弹出如下图所示界面。
点击界面右下角的“OK”按钮，开始运行程序。程序运行结束后，会在底部的“Console”面板中显示运行结果信息。

下面就可以把Java应用程序打包生成JAR包，部署到Hadoop平台上运行。现在可以把词频统计程序放在“/usr/local/hadoop/myapp”目录下。如果该目录不存在，可以使用如下命令创建：

首先，请在Eclipse工作界面左侧的“Package Explorer”面板中，在工程名称“WordCount”上点击鼠标右键，在弹出的菜单中选择“Export”，如下图所示。

然后，会弹出如下图所示界面。

在该界面中，选择“Runnable JAR file”，然后，点击“Next>”按钮，弹出如下图所示界面。

点击finish后全点ok
可以看到，“/usr/local/hadoop/myapp”目录下已经存在一个WordCount.jar文件。
在运行程序之前，需要启动Hadoop，命令如下：

在启动Hadoop之后，需要首先删除HDFS中与当前Linux用户hadoop对应的input和output目录（即HDFS中的“/user/hadoop/input”和“/user/hadoop/output”目录），这样确保后面程序运行不会出现问题，具体命令如下：

然后，再在HDFS中新建与当前Linux用户hadoop对应的input目录，即“/user/hadoop/input”目录，具体命令如下：

然后把ljk.txt，上传到HDFS中的“/user/hadoop/input”目录下，命令如下：

如果HDFS中已经存在目录“/user/hadoop/output”，则使用如下命令删除该目录（因为我没创建过output所以不需要删除，此处为资料密令）：

```
cd /usr/local/hadoop
```

./bin/hdfs dfs -rm -r /user/hadoop/output

现在，就可以在Linux系统中，使用hadoop jar命令运行程序，命令如下：

上面命令执行以后，当运行顺利结束时，屏幕上会显示类似如下的信息：

词频统计结果已经被写入了HDFS的“/user/hadoop/output”目录中，可以执行如下命令查看词频统计结果：

上面命令执行后，会在屏幕上显示如下词频统计结果：

把统计结果下载保存到output文件夹

感谢您能看到这里，日后也会更新更多这方面的知识；博主也会更深入去学习，日后能更好地和大家进行交流哦！

以上是关于如何用python统计一个txt文件中各个单词出现的次数的主要内容，如果未能解决你的问题，请参考以下文章

用python统计一段文本中单词出现的次数

**调用MapReduce对文件中各个单词出现的次数进行统计**

如何用python和jieba分词，统计词频？

急求：如何用python删除文本中的重复行？

任意一个英文的纯文本文件，统计其中的单词出现的个数（shell python 两种语言实现）