中文词频统计

Posted 2020-10-09 103许雅婷

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
news=open(\'小说.txt\',\'r\',encoding=\'utf-8\').read()
words=list(jieba.cut(news))
exp={\'人\',\'的\',\'但是\',\'他们\',\'这个\',\'一\',\'已\',\'啊\',\'了\'}
dic={}
keys=set(words)-exp
for w in keys:
    if len(w)>1:
       dic[w]=words.count(w)
a=list(dic.items())
a.sort(key=lambda x:x[1],reverse=True)
for i in range(20):
    print(a[i])