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('bbb.txt','r',encoding='utf-8').read()
   print(txt)
   words=list(jieba.cut(txt))
   exp={'，','。','"','、'}
   keys=set(words)-exp
   dic={}
   for w in keys:
       dic[w]=words.count(w)
   wc=list(dic.items())
   wc.sort(key=lambda x:x[1],reverse = True)
   for i in range(15):
       print(wc[i])

   

    

5.