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。（要在文件下面将格式转换。）

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
txt = open('小说.txt','r',encoding='utf-8').read()
words=list(jieba.cut(txt))
print('列表如下：',words)

exp={',?!'}#创建新的集合

keys=set(words)-exp#排除无意义词，合并同一词

dic={}
for a in keys:#只保留两位以上的词
    if len(a)>1:
        dic[a]=words.count(a)
        

c=list(dic.items())#解读词频
c.sort(key=lambda x:x[1],reverse=True)


for i in range(20):#输出前20
        print(c[i])