Python如何統計西游記用字的數量

小編給大家分享一下Python如何統計西游記用字的數量，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

一、數據

xyj.txt，《西游記》的文本，2.2MB

致敬吳承恩大師，4020行（段）

二、目標

統計《西游記》中：

1. 共出現了多少個不同的漢字；
2. 每個漢字出現了多少次；
3. 出現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
  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
    # 漢字出現次數加1
    stat[line[x]] += 1
print len(characters)
print len(stat)
# lambda生成一個臨時函數
# 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()

以上是“Python如何統計西游記用字的數量”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！