英語字元和中文字元的區別在於：大小寫字元和字元個數（中文中是乙個詞語）
統計英語字元：
def gettext():
txt=open(『halmet.txt』,』r』).read()
txt=txt.lower() #文中所有英語小寫
for ch in 『!@#$%^&*()<>?」:{}|』:
txt = txt.replace(ch,』』)
return txt
halmettxt=gettext()
words=halmettxt.split()
counts={}
for word in words:
counts[word]=couts.get(word,0)+1
items=list(counts.items())
item.sort(key=lambda x:x[1],reverse=true)
for i in range(10):
word,count=items[i]
print(『』.format(word,count))
jieba庫：中文分詞
jiebe.lcut(s) 精確模式
jieba.lcut(s,cut_all=true) 全模式
jieba.lcut_for_search(s) 搜尋引擎模式
中文字元（使用jieba庫）：
import jieba
f=open(『紅樓夢.txt』.』r』)
txt=f.read()
f.close()
words=jieba.lcut(txt)
counts]{}
for word in words:
if len(word)==1:
continue
else:
counts[word]=counts.get(word,0)+1
items=list(counts.items())
item.sort(key=lambda x:x[1],reverse=true)
for i in range(10):
word,count=items[i]
print(『』.format(word,count))
如查詢人物名字的出現頻次將會出現許多無關的答案。所以可以用excludes進一步完整**。
新增的部分我在下面都加了括號。
import jiebe
(exclude=)
f=open(『紅樓夢.txt』.』r』)
txt=f.read()
f.close()
words=jieba.lcut(txt)
counts]{}
for word in words:
if len(word)==1:
continue
else:
counts[word]=counts.get(word,0)+1
(for word in excludes:
del(counts[word]) )
items=list(counts.items())
item.sort(key=lambda x:x[1],reverse=true)
for i in range(10):
word,count=items[i]
print(『』.format(word,count))
進一步可用wordcloud庫進一步進行展示。
string中英文本元
在c 中字串類的string的模板原型是basic string template class elem,class traits char traits elem class ax allocator elem class basic string 第乙個引數 elem表示型別。第二個引數trai...
中英文本串中統計英文本元個數
工作中遇到如下問題，搜尋網路資源得以解決，記錄以供參考。問題 在一段中英文混合的字串中，通過關關鍵字查詢到某位置p。需要擷取p前後一定長度字元，構成乙個新的字串。問題解析 由於是中貢混合的字串，當向前後擷取長度不當時會出現擷取到中文半個字的情況。面引起出現亂碼的情況。方法 首先確定字串的編碼格式，由...
Python 文字詞頻統計中英文
統計一段英文中 出現次數最多的幾個單詞 def get text text open eng.txt r read text text.lower 所有單詞都替換成小寫 for ch in 去噪，歸一化處理，把所有特殊符號替換為空格 text text.replace ch,return text ...