中文词频统计

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。

import jieba
txt=open('test.txt','r',encoding='utf-8').read()
words=list(jieba.cut(txt))
print(txt)

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


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

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

运行结果为：