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。
4. 对词频统计结果做简单的解读。

   import jieba
   fo = open('傲慢与偏见前十章.txt','r',encoding='utf-8').read()
   words = list(jieba.cut(fo,cut_all=True))
   
   for i in '''，。：‘’“”？！\n \u3000\u3000''':
       fo = fo.replace(i,' ')
   words = fo.split(' ')
   exp={'','噢','唔','她说','啊'}
   dic={}
   keys=set(words)-exp
   for w in keys:
       dic[w]=words.count(w)
   
   wc = list(dic.items()) 
   wc.sort(key= lambda x:x[1],reverse=True)
   
   for i in range(20):
       print(wc[i])