中文词频统计
中文分词
- 下载一中文长篇小说,并转换成UTF-8编码。
- 使用jieba库,进行中文词频统计,输出TOP20的词及出现次数。
- 排除一些无意义词、合并同一词。
- 对词频统计结果做简单的解读。
import jieba txt=open('222.txt','r',encoding='utf-8').read() words=list(jieba.cut(txt)) exp={'?',','} keys=set(words)-exp dic={} for w in keys: if len(w)>1: 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])
- 解读:这篇新闻主要讲述了主席贴近基层,注重基层建设和军队的建设,并定下了推进建设的目标