Python怎么統(tǒng)計(jì)西游記用字的數(shù)量

本篇內(nèi)容主要講解“Python怎么統(tǒng)計(jì)西游記用字的數(shù)量”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“Python怎么統(tǒng)計(jì)西游記用字的數(shù)量”吧!

一、數(shù)據(jù)

xyj.txt，《西游記》的文本，2.2MB

致敬吳承恩大師，4020行（段）

二、目標(biāo)

統(tǒng)計(jì)《西游記》中：

1. 共出現(xiàn)了多少個(gè)不同的漢字；
2. 每個(gè)漢字出現(xiàn)了多少次；
3. 出現(xiàn)得最頻繁的漢字有哪些。

三、涉及內(nèi)容：

1. 讀文件；
2. 字典的使用；
3. 字典的排序；
4. 寫文件

四、效果

五、源代碼

# coding:utf8
import sys
reload(sys)
sys.setdefaultencoding("utf8")
fr = open('xyj.txt', 'r')
characters = []
stat = {}
for line in fr:
  # 去掉每一行兩邊的空白
  line = line.strip()
  # 如果為空行則跳過(guò)該輪循環(huán)
  if len(line) == 0:
    continue
  # 將文本轉(zhuǎn)為unicode，便于處理漢字
  line = unicode(line)
  # 遍歷該行的每一個(gè)字
  for x in xrange(0, len(line)):
    # 去掉標(biāo)點(diǎn)符號(hào)和空白符
    if line[x] in [' ','', '\t', '\n', '。', '，', '(', ')', '（', '）', '：', '□', '？', '！', '《', '》', '、', '；', '“', '”', '……']:
      continue
    # 尚未記錄在characters中
    if not line[x] in characters:
      characters.append(line[x])
    # 尚未記錄在stat中
    if not stat.has_key(line[x]):
      stat[line[x]] = 0
    # 漢字出現(xiàn)次數(shù)加1
    stat[line[x]] += 1
print len(characters)
print len(stat)
# lambda生成一個(gè)臨時(shí)函數(shù)
# d表示字典的每一對(duì)鍵值對(duì)，d[0]為key，d[1]為value
# reverse為True表示降序排序
stat = sorted(stat.items(), key=lambda d:d[1], reverse=True)
fw = open('result.csv', 'w')
for item in stat:
  # 進(jìn)行字符串拼接之前，需要將int轉(zhuǎn)為str
  fw.write(item[0] + ',' + str(item[1]) + '\n')
fr.close()
fw.close()

到此，相信大家對(duì)“Python怎么統(tǒng)計(jì)西游記用字的數(shù)量”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！