中文词频统计
Posted dream higher
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了中文词频统计相关的知识,希望对你有一定的参考价值。
中文分词
- 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 #导入jieba库 txt=open(\'weicheng.txt\',\'r\',encoding=\'utf-8\').read()#读文件,把文件改为utf-8编码 words=list(jieba.cut(txt)) #对中文小说进行词语切分 exp={\',\',\'。\',\'?\',\'!\'} keys=set(words)-exp #排除一些无意义的标点符号,合并同一词 dic={} for k in keys: if len(k)>1: #去除无意义词 dic[k]=words.count(k) #统计词数 wc=list(dic.items()) wc.sort(key=lambda x:x[1],reverse=True) #对词进行排序 for i in range(20): print(wc[i]) #输出前20出现次数最多的词
这是围城第九章时,鸿渐和柔嘉结婚之后的一些矛盾,还有和方老太太之间的一些矛盾和讨论。
以上是关于中文词频统计的主要内容,如果未能解决你的问题,请参考以下文章