python进行分词及统计词频

Posted 2022-10-12 watm

#!/usr/bin/python
# -*- coding: UTF-8 -*-
#分词统计词频
import jieba
import re
from collections import Counter
content=""
filename=r"../data/commentText.txt";
result = "result_com.txt"
r=‘[0-9\s+\.\!\/_,$%^*()?;；:-【】+\"\‘]+|[+——！，;：。？、 ~@#￥%……&*（）]+‘
with open(filename,‘r‘,encoding=‘utf-8‘) as fr:
    print("ss")
    content=re.sub(r," ",fr.read())
    #re.sub(pattern, repl, string, count=0, flags=0)
    # pattern：表示正则表达式中的模式字符串；
    # repl：被替换的字符串（既可以是字符串，也可以是函数）；
    # string：要被处理的，要被替换的字符串；
    # count：匹配的次数, 默认是全部替换
    # flags：具体用处不详
    data=jieba.cut(content,cut_all=False)

data=dict(Counter(data))#dict() 函数用于创建一个字典。Counter 是实现的 dict 的一个子类，可以用来方便地计数。
with open(result,‘w‘,encoding="utf-8")as fw:
     for k,v in data.items():
         if(len(k)>1):
            fw.write(k)
            fw.write("\t%d\n"%v)

　　语言：Python3.7 包：jieba counter re

　　出错内容：由于没有在写入文件中规定其编码方式，导致为16进制写入，设置编码方式即可