实现对Hamlet的文本词频统计

代码如下：

#CalHamletV1.py
def getText():
    txt=open("hamlet.txt","r").read()
    txt=txt.lower()
    for ch in '!"#%&()*+,-./:;<=>?@[\\]^_{|}·~''':
        txt=txt.replace(ch,"")
    return txt

hamletTxt=getText()
words=hamletTxt.split()
counts={}
for word in words:
    counts[word]=counts.get(word,0)+1
items=list(counts.items())
items.sort(key=lambda x:x[1],reverse=True)
for i in range(10):
    word,count=items[i]
    print("{0:<10}{1:>5}".format(word,count))
 

首先是读取文本并且对文本进行归一化处理，然后利用字典组合数据格式对出现的次数进行统计然后输出。

运行后得到的统计数据如下：

the            1137
and            963
to               736
of               669
you            546
i                 540
a                527
my             513
hamlet       459
in               435

 

可看出python非常简单的就能实现了对文本词频的统计。

另外需要注意的是，在文本读入过程前，需要将命名为hamlet的txt格式文本放在源代码的同一文件目录下。