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

a=open('C:/1.txt','r',encoding='utf-8').read()


for i in '\n,.\()。，123"？':
    a=a.replace(i,' ')

b=jieba.cut(a)
d=list(b)

exc={' ','和','你','使','都','所','又','一个','啊', '也是', '的','了','（','…','阿','廖沙','也','是','对','就','“','”','地','他','她'}
dict={}
key=set(d)
key=key-exc

print(key)

for i in key:
    
    dict[i]=d.count(i)

st=list(dict.items())
st.sort(key=lambda x:x[1],reverse=True)
print(st)
for i in range(20):
    print(st[i])

阿廖沙的生活非常悲惨 跟随他的外祖母生活 <童年>并且讲述的是他在学校的故事