标签：sort image .com 插件 sorted 歌词 div 开发 img
结巴（jieba）是国人开发的一款插件，可以对中文进行分词，根据分词粒度的粗细，可以获取一些意想不到的信息
开源地址：http://www.oschina.net/p/jieba/
下面实例分析，从歌词文本获取歌手的高频词汇，侧面了解歌手表达的主题
#coding=utf-8 import os from collections import Counter import jieba #同一首歌中出现多次的词，只能算作一次 all_words = [] #用词列表 L = os.listdir(r‘C:\Users\HP\Desktop\lyrics‘) print L #[‘\xb3\xc9\xb6\xbc.txt‘, ‘\xb9\xc4\xc2\xa5.txt‘....] for filename in os.listdir(r‘C:\Users\HP\Desktop\lyrics‘): filename1 = filename.decode(‘gbk‘) print filename1 with open(‘C:/Users/HP/Desktop/lyrics/‘ + filename1) as f: lyrics = f.read() data = jieba.cut(lyrics) print type(data) all_words.extend(set(data)) #set(data)去除重复的词，得到这首歌的用词列表 count = Counter(all_words) #统计出现次数,以字典的键值对形式存储，元素作为key，其计数作为value。 result = sorted(count.items(), key=lambda x: x[1], reverse=True) #key=lambda x: x[1]在此表示用次数作为关键字 for word in result: print word[0], word[1]
输出：
源码分析：
1.os.listdir(r‘C:\Users\HP\Desktop\lyrics‘)：获取指定目录下的文件名称
注：必须保证运行时在当前目录，即C:\Users\HP\Desktop\lyrics
2.open(‘C:/Users/HP/Desktop/lyrics/‘ + filename1)：filename1需是能看懂的字符，不能是unicode或者其他非人类的字符
3.sorted（listname,key=lambda x: x[1]）：key表示用列表元素的某个属性和函数进行作为关键字
4.‘C:/Users/HP/Desktop/lyrics/‘和‘C:\Users\HP\Desktop\lyrics‘区别
标签：sort image .com 插件 sorted 歌词 div 开发 img
原文地址：http://www.cnblogs.com/Ryana/p/7111787.html
