python入门小程序： 英文词频统计

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/chenhyc/article/details/102557400

#文本词频统计
def getText():
	txt = open("E:\python学习\python_work\hamlet.txt","r").read()
	txt = txt.lower()
	for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':  #通过for循环，依次取出！等特殊字符赋值给ch
		txt = txt.replace(ch," ")                  #取出特殊字符后，将txt中！全部替换成空格后，再通过for循环依次将剩余的特殊字符全部替换
	return txt

hamletTxt = getText()
words = hamletTxt.split()   #以“空格”为分隔符
counts = {}    #初始一个”空字典“，因为单词和次数要形成映射，所以需要把words列表，改成“字典“,方便映射统计
for word in words:
	counts[word] = counts.get(word,0)+1

#word字典类型，counts.get(word,0)，表示如果word存在返回键值，如果word不存在，返回0
'''刚开始字典counts是空的，所以words列表里面的任何字符，都不在counts字典里，因此第一次索引到的字符，都是不存在，为0+1，
例如a首次遇到，则为a：1，当首次添加字符到字典后，第二次再遇到相同字符时，值1+1=2，为a:2,并将2赋值给counts[a]'''

items = list (counts.items())  #counts.item(),转换成[(a,2),（b,1),.....]，的元组类型，list将元组类型转换成列表类型
items.sort(key=lambda x:x[1],reverse=True)  #lambda定义x，及需要排列的元素，x[1],代表对元组第二个元素进行排列
for i in range(10):
	word, count = items[i]
	print("{0:<10}{1:>5}".format(word, count))
#0和1表示位置，0对应word，1对应count
#<表示左对齐，>表示右对齐，数字表示宽度。同理，题中<10表示左对齐，并占10个位置，>5表示右对齐，占5个位置。