zoukankan      html  css  js  c++  java
  • 第四次作业 英文歌与中文小说

    f = open('dalin.txt', 'r', encoding='utf-8')
    # 通过文件读取字符串 str
    str = f.read()
    f.close()
    print(str)
    
    #预处理标点符号
    str = str.replace('.','')
    print(str)
    
    #预处理特殊字符
    sep = '.,:'';?!-_'
    for ch in sep:
        str = str.replace(ch,'')
        print(str)
    
    #分解提取单词 list
    strlist = str.split()
    print(len(strlist),strlist)
    
    #单词计数set
    strSet  = set(strlist)
    print(len(strSet),strSet)
    
    #单词计数dict
    strDict={}
    for word in strSet:
        strDict[word]=strlist.count(word)
        print(len(strDict),strDict)
    # 词频排序list.sort(key=)
        Dict = dict(strDict)
        DictList = list(Dict.items())
        print(DictList)
        DictList.sort(key=lambda x: x[1], reverse=True)
        print(DictList)
    
    # 排除语法型词汇,代词、冠词、连词等无语义词
    strSet = set(strSet)
    exclude = {'a', 'and', 'the', 'in', 'you'}
    exset = strSet - exclude
    print(len(exset), exset)
    # 输出TOP(20)
    for i in range(20):
         print(DictList[i])

    中文小说:天才在左疯子在右

    import jieba
    f=open('天才在左疯子在右.txt','r',encoding='utf-8')
    lines=f.read()
    f.close()
    
    sep = ',。?!;:“”‘’-——<_/>'
    for en in sep:
        lines=lines.replace(en, '')
    
    lines = list(jieba.cut_for_search(lines))
    
    strSet = set(lines)
        #print(len(strSet), strSet)
    
    strDict = dict()
    for word in strSet:
        strDict[word] = lines.count(word)
            #print(len(strDict), strDict)
    wcList = list(strDict.items())
    #print(wcList)
    wcList.sort(key=lambda x: x[1], reverse=True)
    #print(wcList)
    
    for i in range(20):
        print(wcList[i]

  • 相关阅读:
    Halcon学习笔记之缺陷检测(二)
    tensorflow常用函数库
    luogu P2765 魔术球问题 (最小路径覆盖)
    luogu P2423 [HEOI2012]朋友圈 (最大团)
    poj 2226 Muddy Fields (二分图)
    匈牙利算法板子
    二分图
    AC日记——【模板】树链剖分 洛谷 P3384
    AC日记——[ZJOI2008]树的统计Count bzoj 1036
    去重排序
  • 原文地址:https://www.cnblogs.com/dalin-lyl/p/9721874.html
Copyright © 2011-2022 走看看