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