中文词频

Posted 2020-10-28 shadows24

下载一长篇中文文章。

从文件读取待分析文本。

news = open(\'gzccnews.txt\',\'r\',encoding = \'utf-8\')

安装与使用jieba进行中文分词。

pip install jieba

import jieba

list(jieba.lcut(news))

生成词频统计

排序

排除语法型词汇，代词、冠词、连词

输出词频最大TOP20

 

import jieba
f=open(\'C:/Users/user/Desktop/122.txt\',\'r\',encoding=\'gbk\')
s=f.read()
f.close()
print(s)
s1=list(jieba.lcut(s))

miss={\'，\',\'。\',\' \',\'：\',\'“\',\'”\',\'\',\'！\',\'、\',\'？\',\'；\',\'\\n\'}
s2={}
for b in s1:
    s2[b]=s2.get(b,0)+1

for a in miss:
    if a in s2:
        del s2[a]

s3=sorted(s2.items(),key=lambda x:x[1],reverse=True)
for c in range(20):
    print(s3[c])