中文词频统计

Posted 2020-10-09 占鹏

.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
txt = open(‘test.txt‘,‘r‘,encoding=‘utf-8‘).read()
for i in ‘，。“” ；：？、\n‘:
    txt=txt.replace(i,‘‘)
words = list(jieba.cut(txt))
dic={}
keys=set(words)
for j in keys:
    if len(j)==1:
        continue
    else:
        dic[j]=words.count(j)+1
wc=list(dic.items())
wc.sort(key= lambda x:x[1],reverse=True)
for i in range(10):
    print(wc[i])