Python文本統(tǒng)計功能之西游記用字統(tǒng)計操作示例

更新時間：2018年05月07日 10:23:47 作者：開心果汁

這篇文章主要介紹了Python文本統(tǒng)計功能之西游記用字統(tǒng)計操作,結合實例形式分析了Python文本讀取、遍歷、統(tǒng)計等相關操作技巧,需要的朋友可以參考下

本文實例講述了Python文本統(tǒng)計功能之西游記用字統(tǒng)計操作。分享給大家供大家參考，具體如下：

一、數(shù)據

xyj.txt，《西游記》的文本，2.2MB

致敬吳承恩大師，4020行（段）

二、目標

統(tǒng)計《西游記》中：

1. 共出現(xiàn)了多少個不同的漢字；
2. 每個漢字出現(xiàn)了多少次；
3. 出現(xiàn)得最頻繁的漢字有哪些。

三、涉及內容：

1. 讀文件；
2. 字典的使用；
3. 字典的排序；
4. 寫文件

四、效果

五、源代碼

# coding:utf8
import sys
reload(sys)
sys.setdefaultencoding("utf8")
fr = open('xyj.txt', 'r')
characters = []
stat = {}
for line in fr:
  # 去掉每一行兩邊的空白
  line = line.strip()
  # 如果為空行則跳過該輪循環(huán)
  if len(line) == 0:
    continue
  # 將文本轉為unicode，便于處理漢字
  line = unicode(line)
  # 遍歷該行的每一個字
  for x in xrange(0, len(line)):
    # 去掉標點符號和空白符
    if line[x] in [' ','', '\t', '\n', '。', '，', '(', ')', '（', '）', '：', '□', '？', '！', '《', '》', '、', '；', '“', '”', '……']:
      continue
    # 尚未記錄在characters中
    if not line[x] in characters:
      characters.append(line[x])
    # 尚未記錄在stat中
    if not stat.has_key(line[x]):
      stat[line[x]] = 0
    # 漢字出現(xiàn)次數(shù)加1
    stat[line[x]] += 1
print len(characters)
print len(stat)
# lambda生成一個臨時函數(shù)
# d表示字典的每一對鍵值對，d[0]為key，d[1]為value
# reverse為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:
  # 進行字符串拼接之前，需要將int轉為str
  fw.write(item[0] + ',' + str(item[1]) + '\n')
fr.close()
fw.close()

PS：這里再為大家推薦2款非常方便的統(tǒng)計工具供大家參考：

在線字數(shù)統(tǒng)計工具：
http://tools.jb51.net/code/zishutongji

在線字符統(tǒng)計與編輯工具：
http://tools.jb51.net/code/char_tongji

更多關于Python相關內容感興趣的讀者可查看本站專題：《Python文件與目錄操作技巧匯總》、《Python文本文件操作技巧匯總》、《Python數(shù)據結構與算法教程》、《Python函數(shù)使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經典教程》

希望本文所述對大家Python程序設計有所幫助。

您可能感興趣的文章: