中文与英文词频统计

1.英文词频统

下载一首英文的歌词或文章

将所有,.?!’:等分隔符全部替换为空格

将所有大写转换为小写

生成单词列表

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

将分析对象存为utf-8编码的文件,通过文件读取的方式获得词频分析内容。

# news='''A special variant of the Code Completion " 
#      "feature invoked by pressing Ctrl twice " 
#      "allows you to complete the name of any class no matter " 
#      "if it was imported in the current file or not. If the class " 
#      "is not imported yet, the import statement is generated automatically.'''
f=open'news.txt','r')
news=f.read)
f.close)
sep=''',.?'":!'''
exclude={'the','and','a','not'}
for c in sep:
    news=news.replacec,' ')

wordList=news.lower).split)
wordDict={}
'''for w in wordList:
    wordDict[w]=wordDict.getw,0)+1
    for w in exclude
     delwordDict[w])
 '''
wordSet=setwordList)-exclude
for w in wordSet:
    wordDict[w]=wordList.countw)

dictList=listwordDict.items))
dictList.sortkey=lambda x:x[1],reverse=True)
# for w in wordDict:
#     printw,wordDict[w])
#printdictList)

for i in range20):
    printdictList[i])

  

2.中文词频统计

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

listjieba.lcutnews))

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(或把结果存放到文件里)

将代码与运行结果截图发布在博客上。

import jieba
 
f = open'hongloumeng.txt','r')
text = f.read)
f.close)
symbol = '''一!“”,。?;’"',.、:
'''
for s in symbol:
    text = text.replaces,' ')
wordlist = listjieba.cuttext))
exclude = {'说','有','得','没','的','他','了','她','是','在','—','你','走','对','他们','着','把','不','也','我','人','而',
           '与','就','可是','那','要','又','想','和','一个',' ','呢','很','一点','都','去',
           '没有','个','上','给','点','小','看','之','‘','道','便','听','只'}
set = setwordlist) - exclude
dict = {}
for key in set:
    dict[key]=wordlist.countkey)
dictlist = listdict.items))
dictlist.sortkey=lambda x: x[1], reverse=True)
for i in range20):
    printdictlist[i])

  

Published by

风君子

独自遨游何稽首 揭天掀地慰生平

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注