中文分词库-jieba

问题1：（8分）用 jieba 分词，计算字符串 s 中的中文词汇个数，不包括中文标点符号。显示输出分词后的结果，用”/ ”分隔，以及中文词汇个数。示例如下：

输入：

工业互联网”实施的方式是通过通信、控制和计算技术的交叉应用，建造一个信息物理系统，促进物理系统和数字系统的融合。

输出：

工业/ 互联网/实施/ 的/ 方式/是/ 通过/ 通信/控制/ 和/ 计算技术/的/ 交叉/ 应用/建造/ 一个/ 信息/物理/ 系统/ 促进/物理/ 系统/ 和/数字/ 系统/ 的/融合/

中文词语数是：27

问题2：（7分）在问题1的基础上，统计分词后的词汇出现的次数，用字典结构保存。显示输出每个词汇出现的次数，以及出现次数最多的词汇。如果有多个词汇出现次数一样多，都要显示出来。示例如下：

继续输出：

控制: 1

物理: 2

通信: 1

交叉: 1

互联网: 1

和: 2

是: 1

计算技术: 1

一个: 1

的: 3

数字: 1

促进: 1

信息: 1

方式: 1

建造: 1

应用: 1

系统: 3

通过: 1

实施: 1

融合: 1

工业: 1

出现最多的词是（的系统）：3 次

解答：

问题1：

import jieba

"""
工业互联网”实施的方式是通过通信、控制和计算技术的交叉应用，
建造一个信息物理系统，促进物理系统和数字系统的融合。
"""
s = input("请输入一个中文字符串,包含逗号和句号：")
# 标点符号集合
symbol = ["，", "。", "、", "”", "“", "；", "：", "？", "！"]
newStr = s.replace(' ', '')
for i in symbol:
    newStr = newStr.replace(i, '')

list = jieba.lcut(newStr)

print("/".join(list))
print("中文词语数是：{}".format(len(list)))

dic = {}
for j in list:
    # 判断j是否在字典dic中
    if j in dic.keys():
        dic[j] += 1
    else:
        dic[j] = 1
for key in dic.keys():
    print("{}：{}".format(key, dic[key]))

valList = sorted(dic.values(), reverse=True)

highWordList = []
for k in dic.keys():
    if dic[k] == valList[0]:
        highWordList.append(k)

print("出现最多的词是（{}）：{} 次".
      format(" ".join(highWordList), valList[0]))

输出结果：

请输入一段话：工业互联网”实施的方式是通过通信、控制和计算技术的交叉应用， 建造一个信息物理系统，促进物理系统和数字系统的融合。

工业/互联网/实施/的/方式/是/通过/通信/控制/和/计算技术/的/交叉/应用/建造/一个/信息/物理/系统/促进/物理/系统/和/数字/系统/的/融合
中文词语数是：27
工业：1
互联网：1
实施：1
的：3
方式：1
是：1
通过：1
通信：1
控制：1
和：2
计算技术：1
交叉：1
应用：1
建造：1
一个：1
信息：1
物理：2
系统：3
促进：1
数字：1
融合：1
出现最多的词是（的 系统）：3 次

国内镜像资源网站
清华大学镜像：https://pypi.tuna.tsinghua.edu.cn/simple
中国科学技术大学：https://pypi.mirrors.ustc.edu.cn/simple

使用方法
使用pip指令，加上-i，后面跟镜像库网址

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jieba

猜你喜欢