首页 > 代码库 > python3 怎么统计英文文档常用词?(附解释)
python3 怎么统计英文文档常用词?(附解释)
# coding: utf-8 # In[32]: #import requests #from bs4 import BeautifulSoup #res = requests.get("http://www.guancha.cn/america/2017_01_21_390488_s.shtml") #res.encoding = ‘utf-8‘ #soup = BeautifulSoup(res.text,‘lxml‘) # In[66]: speech_new = open("speech.txt",‘r‘,encoding = ‘utf-8‘).read() #当然你要有个英文文档 speech = speech_new.lower().split() #lower() 把全部大写变小写, spltt()分割字符串 默认为空格 # In[70]: dic = {} for i in speech: if i not in dic: #如果字符串不在dic字典里面 dic[i] = 1 #就加上去并附上1值 else: dic[i] = dic[i] + 1 #有了的话值就加1 # In[68]: import operator list = sorted(dic.items(),key = operator.itemgetter(1), reverse=True) #dic items() , #key = operator.itemgetter(1)以什么排序,我们tuple里面有0还有1,我们输入1 #reverse=True 大小排序 # In[94]: from nltk.corpus import stopwords #自然语言处理 stop_words = stopwords.words(‘English‘) #取出英文停用词 # In[103]: for k,v in list: #把tuple里面0给k,1给v if k not in stop_words: print(k,v)
但是python3自带有个非常牛逼的东西
# In[108]: from collections import Counter #2.6以后才出现的数据结构 c = Counter(speech) # In[111]: c.most_common(10) # In[113]: for sw in stop_words: del c[sw] #删除里面的停用词 # In[114]: c.most_common(10)
非常简单的就统计出来了
python3 怎么统计英文文档常用词?(附解释)
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。