1 Star 0 Fork 0

袁安杰 / 计算与软件工程1

 / 详情

zuoye4

待办的
拥有者
创建于  
2020-04-05 14:18
import jieba
import re 

f=open('红楼梦.txt',encoding='utf-8')
txt=f.read()
f.close()

txt1=re.sub('奶奶','贾母',txt)     #替换词组
txt2=re.sub('老太太','贾母',txt1)
txt3=re.sub('林黛玉','黛玉',txt2)
txt4=re.sub('凤姐儿','凤姐',txt3)

segs=jieba.lcut(txt4)

segments={}
for seg in segs:
    if len(seg)==1:
        continue
    else:
        segments[seg]=segments.get(seg,0)+1

       

#print(segments)
       

stopwords={'什么','一个','我们','那里','你们','如今','说道','起来','这里','知道','他们','众人','姑娘','一面','自己','只见','太太','不是','没有','两个','怎么','出来','不知','这个','听见','这样','进来','咱们','告诉','就是','东西','回来','只是','大家','老爷','只得','丫头','这些','不敢','出去','所以'}

for word in stopwords:
    del(segments[word])          #删除停用词
     
#print(segments)

alies1={'黛玉','林姑娘','林妹妹'}
for e in alies1:
    for seg in segments:
        if e==seg:
            segments[seg]=segments[seg]+segments.get(e)

alies2={'袭人','花袭人'}
for e in alies2:
    for seg in segments:
        if e==seg:
            segments[seg]=segments[seg]+segments.get(e)            
          
alies3={'凤姐','王熙凤','辣妹子 ','熙凤'}
for e in alies3:
    for seg in segments:
        if e==seg:
            segments[seg]=segments[seg]+segments.get(e)
           
items=list(segments.items())
items.sort(key=lambda x:x[1],reverse=True)
for i in range(10):
    word,segment=items[i]
print('{0:<10}{1:>5}'.format(word,segment))

评论 (0)

袁安杰 创建了任务
展开全部操作日志

登录 后才可以发表评论

状态
负责人
里程碑
Pull Requests
关联的 Pull Requests 被合并后可能会关闭此 issue
分支
开始日期   -   截止日期
-
置顶选项
优先级
参与者(1)
1
https://gitee.com/yuanaj/yaj1355.git
git@gitee.com:yuanaj/yaj1355.git
yuanaj
yaj1355
计算与软件工程1

搜索帮助