作业8

Posted 2020-10-09 曾志伟

 

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

 

for i in \'，。！？：“”……（）\':

    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])