字符串、文件操作，英文词频统计预处理

---恢复内容开始---

一、作业要求

1.字符串操作：

• 解析身份证号：生日、性别、出生地等。
• 凯撒密码编码与解码
• 网址观察与批量生成

2.英文词频统计预处理

• 下载一首英文的歌词或文章或小说，保存为utf8文件。
• 从文件读出字符串。
• 将所有大写转换为小写
• 将所有其他做分隔符（,.？！）替换为空格
• 分隔出一个一个的单词
• 并统计单词出现的次数。

二、字符串操作

• 解析身份证号：生日、性别、出生地等。

   代码如下：

str="""
440000     广东省 
440100 　　广州市
440103 　　荔湾区
440104 　　越秀区
440105 　　海珠区
440106 　　天河区
440111 　　白云区
440112 　　黄埔区
440113 　　番禺区
440114 　　花都区
440115 　　南沙区
440116 　　萝岗区
440183 　　增城区
440184 　　从化区
440200 　　韶关市
440203 　　武江区
440204 　　浈江区
440205 　　曲江区
440222 　　始兴县
440224 　　仁化县
440229 　　翁源县
440232 　　乳源县
440233 　　新丰县
440281 　　乐昌市
440282 　　南雄市
440300 　　深圳市
440303 　　罗湖区
440304 　　福田区
440305 　　南山区
440306 　　宝安区
440307 　　龙岗区
440308 　　盐田区
440400 　　珠海市
440402 　　香洲区
440403 　　斗门区
440404 　　金湾区
440500 　　汕头市
440507 　　龙湖区
440511 　　金平区
440512 　　濠江区
440513 　　潮阳区
440514 　　潮南区
440515 　　澄海区
440523 　　南澳县
440600 　　佛山市
440604 　　禅城区
440605 　　南海区
440606 　　顺德区
440607 　　三水区
440608 　　高明区
440700 　　江门市
440703 　　蓬江区
440704 　　江海区
440705 　　新会区
440781 　　台山市
440783 　　开平市
440784 　　鹤山市
440785 　　恩平市
440800 　　湛江市
440802 　　赤坎区
440803 　　霞山区
440804 　　坡头区
440811 　　麻章区
440823 　　遂溪县
440825 　　徐闻县
440881 　　廉江市
440882 　　雷州市
440883 　　吴川市
440900 　　茂名市
440902 　　茂南区
440903 　　茂港区
440923 　　电白区
440981 　　高州市
440982 　　化州市
440983 　　信宜市
441200 　　肇庆市
441202 　　端州区
441203 　　鼎湖区
441223 　　广宁县
441224 　　怀集县
441225 　　封开县
441226 　　德庆县
441283 　　高要区
441284 　　四会市
441300 　　惠州市
441302 　　惠城区
441303 　　惠阳区
441322 　　博罗县
441323 　　惠东县
441324 　　龙门县
441400 　　梅州市
441402 　　梅江区
441421 　　梅县区
441422 　　大埔县
441423 　　丰顺县
441424 　　五华县
441426 　　平远县
441427 　　蕉岭县
441481 　　兴宁市
441500 　　汕尾市
441502 　　城区
441521 　　海丰县
441523 　　陆河县
441581 　　陆丰市
441600 　　河源市
441602 　　源城区
441621 　　紫金县
441622 　　龙川县
441623 　　连平县
441624 　　和平县
441625 　　东源县
441700 　　阳江市
441702 　　江城区
441721 　　阳西县
441723 　　阳东区
441781 　　阳春市
441800 　　清远市
441802 　　清城区
441821 　　佛冈县
441823 　　阳山县
441825 　　连山县
441826 　　连南县
441827 　　清新县
441881 　　英德市
441882 　　连州市
441900 　　东莞市
442000 　　中山市
445100 　　潮州市
445102 　　湘桥区
445103 　　潮安区
445122 　　饶平县
445200 　　揭阳市
445202 　　榕城区
445221 　　揭东区
445222 　　揭西县
445224 　　惠来县
445281 　　普宁市
445300 　　云浮市
445302 　　云城区
445303 　　云安区
445321 　　新兴县
445322 　　郁南县
445381 　　罗定市
"""
print('请输入身份证号')
ID=input()
if len(ID)!=18:
    print('请输入有效的身份证号码')
else:
    print('身份证号码格式正确')
    birth=ID[6:14]
    print('您的生日是:',format(birth))
    check=ID[14:17]
    if int(check) % 2==0:
        print('您的性别为：女')
    else:
        print('您的性别为：男')
    adress=ID[0:6]
    print('您的地址号码是：',format(adress),"出生地方："+str[str.find(adress)+9:str.find(adress)+12])

 

 

 

 

• 凯撒密码编码与解码。

   代码如下：

 

 

三、英文词频统计预处理

代码如下

fo = open('zz.txt', 'r', encoding='utf-8')
stra = fo.read().lower()
fo.close()
print(stra)  # 1.准备utf-8编码的文本文件file 2.通过文件读取字符串 str

sep = ',.;!'
for ch in sep:
    stra = stra.replace(ch, '')  # 进行预处理,清除掉sep中存在的标点符号
print(stra)

strList = stra.split(' ')
print(len(strList), strList)  # 分解提取单词,转化为列表list

strSet = set(strList)
print(len(strSet), strSet)  # 转化为集合

strDict = {}
for world in strSet:
    strDict[world] = strList.count(world)

print(len(strDict), strDict)  # 转化为字典，计算上一个集合中每个单词出现的次数

wcList = list(strDict.items())
print(wcList)  # 将字典中的目录转化为列表输出
wcList.sort(key=lambda x: x[1], reverse=True)
print(wcList)  

结果如下：