下载一长篇中文文章。
从文件读取待分析文本。
news = open('gzccnews.txt','r',encoding = 'utf-8')
安装与使用jieba进行中文分词。
pip install jieba
import jieba
list(jieba.lcut(news))
生成词频统计
排序
排除语法型词汇，代词、冠词、连词
输出词频最大TOP20
1 # -*- coding: UTF-8 -*-
2 # -*- author: yjw -*-
3 import jieba
4
5
6 fo=open('1.txt','r',encoding = 'utf-8')
7
8 text=fo.read()
9 text2=list(jieba.lcut(text))
10
11 sign={'你',' ','我','我们', '他', '他们', '我的', '他的', '你的', '呀', '和', '是','，','。','：','“','”','的','啊','?','在','了',\
12 '说','去','与','不','是','、','也','又','！','着','儿','这','到','就', '\n','(',')','那','有','上','便','和','只','要','小','罢','那里',\
13 '…','一个','？','人','把','被','她','都','道','好','还','’','‘','呢','来','得','你们','才','们'}
14
15 text3={}
16 for i in text2:
17 text3[i]=text3.get(i,0)+1
18
19 for i in sign:
20 if i in text3:
21 del text3[i]
22
23 text4 =sorted(text3.items(),key=lambda x:x[1],reverse=True)
24 for i in range(20):
25 print(text4[i])
