jieba库以及文本词频统计

简介

◆ jieba库是优秀的中文分词第三方库

◆ jieba库和其他的第三方库一样,在cmd中使用pip install jieba 就可以进行安装

◆ jieba最常用的函数只有一个,在下面我们会见到

jieba库的三种模式及其函数

◆ 精确模式:jieba.lcut(s)    对文本s进行分词

◆ 全局模式:jieba.lcut(s,cut_all=True)   进行分词之后存在冗余

◆ 搜索引擎模式:jieba.lcut_for_search(s)   同样进行分词之后存在冗余

◆ jieba.add_words(w)    向分词词典中增加一个单词

当然,最常用的还是jieba.lcut(s),这个函数就基本上满足平时的需求了

文本词频统计实例

(1)我们先对汉字文本进行分析(采用的例子是MOOC上的文本Hamlet,如果大家需要的话,我可以上传)

# 对Hamlet进行词频分析
def gettext():
    #打开文件
    text=open("e:/python代码/hamlet.txt","r").read()
    text=text.lower()
    #将特殊符号全部换成空格
    for ch in '!"#$%^&*()+_-,./:;<>?@[]{}\|~':
        text=text.replace(ch,"")
    return text

hamlettxt=gettext()
#将字符串按空格分割成列表
words=hamlettxt.split()
counts={}
#以字典形式统计每个单词的出现次数
for word in words:
    counts[word]=counts.get(word,0)+1
items=list(counts.items())
#将列表按从
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值