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。

 

import jieba
fo=open('meiwen.txt','r',encoding='utf-8')
str=fo.read()
fo.close()

words=list(jieba.cut(str))
dict={}

for i in words:
    if len(i)==1:
       continue
    else:
        dict[i]=dt.get(i,0)+1
   
item=list(dict.items())
item.sort(key=lambda x:x[1],reverse=True)

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

运行结果：