鱼C论坛

 找回密码
 立即注册
查看: 2426|回复: 0

[技术交流] 文本词频统计

[复制链接]
发表于 2020-11-10 13:36:42 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
# 文本词频统计
# HamletV1:找一个哈姆雷特的文件,保存为hamlet.txt,放在同一目录里面
def getText(filename):
    txt = open(filename, "r").read()
    txt = txt.lower()
    for ch in '!@#$%^&*+-()[]{}<>=_:;\\‘’"|~.':
        txt = txt.replace(ch, " ")
    return txt

f_name = "hamlet.txt"
hamletTxt = getText(f_name)
words = hamletTxt.split()
counts = {}
for word in words:
    # word之前没有则创建初始值为0,然后逐次加1
    counts[word] = counts.get(word, 0) + 1
items = list(counts.items())
items.sort(key=lambda x:x[1],reverse=True)
# 将出现次数最多的前十个词输出
for i in range(10):
    word, count = items[i]
    print("{0:<10}{1:>5}".format(word, count))
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-17 21:39

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表