如何利用python实现词频统计功能

功能要求

这是我们老师的作业 代码中都有注释 要求 词频统计软件：

1）从文本中读入数据：（文件的输入输出）

2）不区分大小写,去除特殊字符。

3） 统计单词 例如：about ：10 并统计总共多少单词

4）对单词排序。出现次数

5）输出词频最高的10个单词和次数

6）把统计结果存入文本

方法如下

1.文件的读取，区分大小写，去除特殊字符

import re

def getword():
    # 读取文件
    f=open('read.txt','r',encoding='utf-8')
    # 将大写转化成小写
    word=f.read().lower()
    # 关闭文件
    f.close()
    #利用正则除去特殊字符   |\符+
    list=re.split('\s+|\,+|\.+|\!+|\:+|\?+|\;+|\(+|\)+|\-+|\_+|\=+|\++|\“+|\、+|\/+|\{+|\}+|\”+|\：+|\。+|\“+|\[+|\]+|\【+|\】+|\—+|\％+|\"+',word)
    # 遍历列表 去除列表中的空格
    i = 0
    while i < len(list):
         if list[i] == '':
              list.remove(list[i])
              i -= 1
         i += 1

# for a in list:
    #      if a == "":
    #         list.remove(a)
   #用for循环的话如果存在多个空字符串 其列表会随时发生变化，导致无法正常删除空字符串 所以在使用for…in循环遍历列表时，最好不要对元素进行增删操作

#  对于others'优化 如果最后一个字符是‘就将'其去掉
    for i in range(len(list)):
         l=list[i]
         if list[i][-1] == "'":
              list[i] = list[i][:-1]
    return list

2. 统计，排序

from getfilewords import getword

def statistics():
   dict={}  #定义一个空的字典，在后面的运算中逐步添加数据
   words=getword()
   for word in words: #遍历整个列表
       if word in dict.keys():  #判断当前单词是否已经存在 dict.keys()是已存进字典中的单词
           # 补充：keys() 方法用于返回字典中的所有键；
           # values() 方法用于返回字典中所有键对应的值；
           #详情见Test1
           dict[word]=dict[word]+1  #在当前单词的个数上加 1
       else:
           dict[word]=1  #当前单词第一次出现时 会把单词写入dict字典里 格式为 ‘单词'=1
#排序
   w_order=sorted(dict.items(),key=lambda x:x[1],reverse=True)
# print(dict.items())
# dict.items()返回的是列表
# 按字典集合中，每一个元组的第二个元素排列。
# sorted会对dict.items()这个list进行遍历，把list中的每一个元素，也就是每一个tuple()当做x传入匿名函数lambda x：x[1],函数返回值为x[1]
# reverse属性True为降序 False为升序
   return w_order #返回排序后的列表

3.结果写入文本

from WordStatistics import statistics
def writefile():
   w_order=statistics()
   f = open('result.txt', 'w',encoding='utf-8')
   print("文章单词总个数:",+len(getword()),file=f)
   print("文章单词总个数:", +len(getword()))

# 写入文件
   print("词频最高的10个单词和次数",file=f)
   print("词频最高的10个单词和次数")

w_order10=w_order[:10]#将列表的前十位提取并且遍历 输出key(单词)和values(次数)
   for key,values in w_order10:
       print(key,':',values,file=f)
       print(key, ':', values)

#遍历列表中的所有数据
   print("统计结果",file=f)
   for key,values in w_order:
       print(key,':',values,file=f)
   f.close()#关闭文件

4.程序入口

import os

from writefile import writefile

print("词频统计软件")
print("正在统计中。。。")
print("统计成功，结果保存到result.txt")
writefile()
print("程序运行结束")
os.system("pause")

5.运行截图 这是需要统计的文本

运行程序

运行结果

来源：https://blog.csdn.net/qq_46538289/article/details/120802236