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
txt=open('中秋的月亮.txt','r',encoding='UTF-8').read()

for i in '''，,.。、"“”'-？?；：;;！!\n\u3000\ufeff''':
    txt=txt.replace(i,'')
word=list(jieba.cut(txt))

dic={}
for i in word:
    if len(i)==1:
        continue
    else:
        dic[i]=dic.get(i,0)+1

a=list(dic.items())
a.sort(key=lambda x:x[1],reverse=True)

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