中文词频统计

Posted 2020-10-09 爱斯基摩人

下载一中文长篇小说，并转换成UTF-8编码。

使用jieba库，进行中文词频统计，输出TOP20的词及出现次数。

排除一些无意义词、合并同一词。

对词频统计结果做简单的解读

import jieba
fo=open(\'chongsheng.txt\',\'r\',encoding=\'utf-8\')
t=fo.read()
fo.close()

words=jieba.cut(t)
dic={}
for w in words:
    if len(w)==1:
        continue
    else:
        dic[w]=dic.get(w,0)+1
wc = list(dic.items())
wc.sort(key=lambda x:x[1],reverse = True)
for i in range(20):
    print(wc[i])