中文词频统计

Posted 2020-10-09 陆倩霞

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
   fo=open(\'book.txt\',\'r\',encoding=\'utf-8\')
   s=fo.read()
   fo.close()
   for i in \'，。！"\':
       s=s.replace(i,\' \')
   words=jieba.cut(s)
   a=list(words)
   
   exp={\',\',\'的\',\'也是\',\'不过\',\'一个\'}
   key=set(a)-exp
   dic={}
   for w in key:
       if len(w)>1:
           dic[w]=a.count(w)
   wx=list(dic.items())
   wx.sort(key=lambda x:x[1],reverse=True)
   for i in range(15):
       print(wx[i])