Python文本统计功能之西游记用字统计操作示例

Python  /  管理员 发布于 7年前   241

本文实例讲述了Python文本统计功能之西游记用字统计操作。分享给大家供大家参考，具体如下：

一、数据

xyj.txt，《西游记》的文本，2.2MB

致敬吴承恩大师，4020行（段）

二、目标

统计《西游记》中：

1. 共出现了多少个不同的汉字；
2. 每个汉字出现了多少次；
3. 出现得最频繁的汉字有哪些。

三、涉及内容：

1. 读文件；
2. 字典的使用；
3. 字典的排序；
4. 写文件

四、效果

五、源代码

# coding:utf8import sysreload(sys)sys.setdefaultencoding("utf8")fr = open('xyj.txt', 'r')characters = []stat = {}for line in fr:  # 去掉每一行两边的空白  line = line.strip()  # 如果为空行则跳过该轮循环  if len(line) == 0:    continue  # 将文本转为unicode，便于处理汉字  line = unicode(line)  # 遍历该行的每一个字  for x in xrange(0, len(line)):    # 去掉标点符号和空白符    if line[x] in [' ','', '\t', '\n', '。', '，', '(', ')', '（', '）', '：', '□', '？', '！', '《', '》', '、', '；', '“', '”', '……']:      continue    # 尚未记录在characters中    if not line[x] in characters:      characters.append(line[x])    # 尚未记录在stat中    if not stat.has_key(line[x]):      stat[line[x]] = 0    # 汉字出现次数加1    stat[line[x]] += 1print len(characters)print len(stat)# lambda生成一个临时函数# d表示字典的每一对键值对，d[0]为key，d[1]为value# reverse为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:  # 进行字符串拼接之前，需要将int转为str  fw.write(item[0] + ',' + str(item[1]) + '\n')fr.close()fw.close()

PS：这里再为大家推荐2款非常方便的统计工具供大家参考：

在线字数统计工具：
http://tools..net.cn/code/zishutongji

在线字符统计与编辑工具：
http://tools..net.cn/code/char_tongji

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python文件与目录操作技巧汇总》、《Python文本文件操作技巧汇总》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。