python使用jieba分词，词频统计，基本使用

python采用第三方库进行中文分词，本文章只是记录文章。

1.需要下载第三方库jieba：

                cmd: pip install jieba

2.为了方便测试，在同级目录下，准备一个txt格式文件，文件名随意，这里我也是随便取的：

                文件路径可以是绝对路径，也可以是相对路径，看你的文件是放在什么位置

                使用相应路径

     文件内容

3.代码：

# 引入jieba分词库
import jieba

# 定义一个函数，用于接受一个路径
def read(path):
    # open打开系统文件，encoding='utf8'更好的支持中文 as取别名为f
    with open(path,'r',encoding='utf8') as f:
        lists = ''  #定义一个空变量，用于存储词汇
        for i in f:
            i = i.strip()  #去除空格符号
            lists += i
        return lists

file_path = 'nr.txt'
cut_file = jieba_lcut(file_path)
print(cut_file)

到这里，就可以进行基本的分词读取了， 如果仅仅使用jieba_lcut(arguments)的形式默认为精确模式，其他模式分别为：

                全模式（返回词汇数量更多）：jieba_lcut(arguments,cut_all=True)

                搜索引擎模式（与全模式大同小异）：jieba.lcut_for_search(arguments)

另外，向词典中添加新词：jieba.add_word(word)

 4.进行词频统计

需要注意这串代码：  dict[item] = dict.get(item,0) + 1

a.该部分运行逻辑是：如果字典里没有数据，则以当前遍历对象item作为健，等号后面为值

b.等号后面逻辑为：以item为索引获取字典对象，没有该数据则创建值，值为0，如果有该字典对象，返回该字典对象值，并+1

                dict.get(item) 返回的是键值对的值

# 该部分用于统计词频
def index(word):
    dict = {}
    for item in word:
        # 该部分运行逻辑是：如果字典里没有数据，则以当前遍历对象item作为健，等号后面为值
        # 等号后面逻辑为：以item为索引获取字典对象，没有该数据则创建值，赋值为0，如果有该字典对象，返回该字典对象值并+1
        dict[item] = dict.get(item,0) + 1
    return dict

5：完整代码如下

# 引入jieba分词库
import jieba

# 定义一个函数，用于接受一个路径
def read(path):
    # open打开系统文件，encoding='utf8'更好的支持中文 as取别名为f
    with open(path,'r',encoding='utf8') as f:
        lists = ''  #定义一个空变量，用于存储词汇
        for i in f:
            i = i.strip()  #去除空格符号
            lists += i
        return lists

# 该部分用于统计词频
def index(word):
    dict = {}
    for item in word:
        # 该部分运行逻辑是：如果字典里没有数据，则以当前遍历对象item作为健，等号后面为值
        # 等号后面逻辑为：以item为索引获取字典对象，没有该数据则创建值，赋值为0，如果有该字典对象，返回该字典对象值并+1
        dict[item] = dict.get(item,0) + 1
    return dict

# 调用函数
file = read('nr.txt')
x = jieba.lcut(file)
y = index(x)
print(y)

运行效果如下