中文词频统计

Posted 黄良龙

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。

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。

import jieba

txt = open(\'wkz.txt\', \'r\', encoding=\'UTF-8\').read()

for i in \',。!?:“”……()你我他她是没有一什么这为那这\':
    txt = txt.replace(i, \'\')
words = list(jieba.cut(txt))

dic = {}
for i in words:
    if len(i) == 1:
        continue
    else:
        dic[i] = dic.get(i, 0) + 1

wc = list(dic.items())
wc.sort(key=lambda x: x[1], reverse=True)
# print(a)

for i in range(20):
    print(wc[i])

《悟空传》

 

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

Spark编程实战-词频统计

Spark编程实战-词频统计

中文词频统计

中文词频统计

中文词频统计

Python 分词后词频统计