中文词频统计

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。

import jieba
s=open('book.txt','r',encoding='utf-8')
book=s.read()
s.close()
print(book)

for i in ',.!?:':
    book=book.replace(i,' ')
books=jieba.cut(book)

exp={'的','他',}
keys=set(books)-exp

dic={}
for w in keys:
    if len(w)>1:
        dic[w]=book.count(w)
wc=list(dic.items())
wc.sort(key=lambda x:x[1],reverse=True)

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

 

 

 4.对词频统计结果做简单的解读。

 这篇文章讲的是狐狸和猎人的故事，狐狸死在猎人的子弹下。