python读取文件里的单词，统计词频，输出到文件

(2017-05-15 优化的代码）

#!/usr/bin/env python3
#-*- coding:utf-8 -*-
'''
程序用python3运行时，可将当前路径下的aa.txt文件读取后，按空格分割成一系列的单词，
然后统计这些单词出现的次数，按频率从大到小排序后，写入ar.txt文件中。
涉及的语法有：
1、中英文混合对齐；
2、collections.Counter；
3、获取当前路径、文件读写、路径与文件名组合、随机数生成。。。
'''
import os
from random import choice, randint
from collections import Counter
from string import ascii_letters as letters

#假设要读取文件名为aa，位于当前路径
filename = 'aa.txt'
dirname = os.getcwd()
fname = os.path.join(dirname, filename)

#注释掉的程序段，用于测试脚本，它生成20行数据，每行有1-20随机个数字，每个数字随机1-20
#'''
lines = []
for i in range(20): 
    line = []
    for j in range(randint(1,20)): 
        line.append(''.join([choice(letters) for c in range(randint(1, 10))]))  
    lines.append(' '.join(line))
with open(fname, 'w') as f:
    f.write('\n'.join(lines))
#'''
with open(fname) as f: 
    s = f.read()

counter = Counter(s.replace('\n', ' ').split(' '))

# 格式化要输出的每行数据，首尾各占8位，中间占18位
def geshi(a,b,c): 
    return alignment(str(a))+alignment(str(b),18)+alignment(str(c))+'\n'    

# 中英文混合对齐 ，参考http://bbs.fishc.com/thread-67465-1-1.html ，二楼
# 汉字与字母 格式化占位 format对齐出错 对不齐 汉字对齐数字 汉字对齐字母 中文对齐英文
# alignment函数用于英汉混合对齐、汉字英文对齐、汉英对齐、中英对齐
def alignment(str1, space=8, align = 'left'): 
    length = len(str1.encode('gbk')) 
    space = space - length if space >=length else 0 
    if align in ['left','l','L','Left','LEFT']: 
        return str1 + ' ' * space 
    elif align in ['right','r','R','Right','RIGHT']: 
        return ' '* space + str1 
    elif align in ['center','c','C','Center','CENTER','centre']: 
        return ' ' * (space // 2) + str1 + ' ' * (space - space // 2) 
    return 'Unknow align format'

title = geshi('序号', '词', '频率')
results = []
#要输出的数据，每一行由：序号(占8位)词(占20位)频率(占8位)+'\n'构成，序号=List.index(element)+1
for i, (w, c) in enumerate(counter.most_common(), 1): 
    results.append(geshi(i,w,c))    

#将统计结果写入文件ar.txt中
writefile = 'ar.txt'
wpath = os.path.join(dirname, writefile)
with open(wpath, 'w') as f: 
    f.write(''.join([title]+results))

(2016-11-03 写的代码）

#!/usr/bin/env python3
#-*- coding:utf-8 -*-
'''
程序用python3运行时，可将当前路径下的aa.txt文件读取后，按空格分割成一系列的单词，
然后统计这些单词出现的次数，按频率从大到小排序后，写入ar.txt文件中。
涉及的语法有：
1、中英文混合对齐；
2、list高级排序，一组升，一组降；
3、获取当前路径、文件读写、路径与文件名组合、随机数生成。。。
'''
import os,random

#假设要读取文件名为aa，位于当前路径
filename='aa.txt'
dirname=os.getcwd()
f_n=os.path.join(dirname,filename)

#注释掉的程序段，用于测试脚本，它生成20行数据，每行有1-20随机个数字，每个数字随机1-20
'''
test=''
for i in range(20): 
    for j in range(random.randint(1,20)): 
        test+=str(random.randint(1,20))+' ' 
        test+='\n'
with open(f_n,'w') as wf:
    wf.write(test)
'''
with open(f_n) as f: 
    s=f.readlines()

# 将每一行数据去掉首尾的空格和换行符，然后用空格分割，再组成一维列表
words=[]
for line in s: 
    words.extend(line.strip().split(' '))   

# 格式化要输出的每行数据，首尾各占8位，中间占18位
def geshi(a,b,c): 
    return alignment(str(a))+alignment(str(b),18)+alignment(str(c))+'\n'    

# 中英文混合对齐 ，参考http://bbs.fishc.com/thread-67465-1-1.html ，二楼
# 汉字与字母 格式化占位 format对齐出错 对不齐 汉字对齐数字 汉字对齐字母 中文对齐英文
# alignment函数用于英汉混合对齐、汉字英文对齐、汉英对齐、中英对齐
def alignment(str1, space=8, align = 'left'): 
    length = len(str1.encode('gb2312')) 
    space = space - length if space >=length else 0 
    if align in ['left','l','L','Left','LEFT']: 
        str1 = str1 + ' ' * space 
    elif align in ['right','r','R','Right','RIGHT']: 
        str1 = ' '* space +str1 
    elif align in ['center','c','C','Center','CENTER','centre']: 
        str1 = ' ' * (space //2) +str1 + ' '* (space - space // 2) 
    return str1

w_s=geshi('序号','词','频率')

#由(词,频率)元组构成列表，先按频率降序排序，再按词升序排序，多级排序，一组升，一组降，高级sorted
wordcount=sorted([(w,words.count(w)) for w in set(words)],key=lambda l:(-l[1],l[0]))

#要输出的数据，每一行由：序号(占8位)词(占20位)频率(占8位)+'\n'构成，序号=List.index(element)+1
for (w,c) in wordcount: 
    w_s+=geshi(wordcount.index((w,c))+1,w,c)    

#将统计结果写入文件ar.txt中
writefile='ar.txt'
w_n=os.path.join(dirname,writefile)
with open(w_n,'w') as wf: 
    wf.write(w_s)