码迷,mamicode.com
首页 > 其他好文 > 详细

西游记相关的分词,出现次数最高的20个

时间:2020-11-20 11:30:40      阅读:32      评论:0      收藏:0      [点我收藏+]

标签:coding   西游   imp   精确   print   猪八戒   load   pre   for   

import  jieba
 
txt = open("西游记.txt", "r", encoding=utf-8).read()
words = jieba.lcut(txt)     # 使用精确模式对文本进行分词
counts = {}     # 通过键值对的形式存储词语及其出现的次数
 
for word in words:
    if len(word) == 1:
        continue   
    elif word == "大圣" or word=="老孙" or word=="行者" or word=="孙大圣" or word=="孙行者" or word=="猴王" or word=="悟空" or word=="齐天大圣" or word=="猴子":
        rword = "孙悟空"
    elif word == "师父" or word == "三藏" or word=="圣僧":
        rword = "唐僧"
    elif word == "呆子" or word=="八戒" or word=="老猪":
        rword = "猪八戒"
    elif word=="沙和尚":
        rword="沙僧"
    elif word == "妖精" or word=="妖魔" or word=="妖道":
        rword = "妖怪"
    elif word=="佛祖":
        rword="如来"
    elif word=="三太子":
        rword="白马"
    else:
        rword = word
    counts[rword] = counts.get(rword,0) + 1
         
items = list(counts.items())#将键值对转换成列表
items.sort(key=lambda x: x[1], reverse=True)    # 根据词语出现的次数进行从大到小排序
 
for i in range(20):
    word, count = items[i]
    print("{0:<10}{1:>5}".format(word, count))

技术图片

西游记相关的分词,出现次数最高的20个

标签:coding   西游   imp   精确   print   猪八戒   load   pre   for   

原文地址:https://www.cnblogs.com/hbx123/p/13976212.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!