Python 合并多個(gè)TXT文件并統(tǒng)計(jì)詞頻的實(shí)現(xiàn)
需求是:針對三篇英文文章進(jìn)行分析,計(jì)算出現(xiàn)次數(shù)最多的 10 個(gè)單詞
邏輯很清晰簡單,不算難, 使用 python 讀取多個(gè) txt 文件,將文件的內(nèi)容寫入新的 txt 中,然后對新 txt 文件進(jìn)行詞頻統(tǒng)計(jì),得到最終結(jié)果。
代碼如下:(在Windows 10,Python 3.7.4環(huán)境下運(yùn)行通過)
# coding=utf-8
import re
import os
# 獲取源文件夾的路徑下的所有文件
sourceFileDir = 'D:\\Python\\txt\\'
filenames = os.listdir(sourceFileDir)
# 打開當(dāng)前目錄下的 result.txt 文件,如果沒有則創(chuàng)建
# 文件也可以是其他類型的格式,如 result.js
file = open('D:\\Python\\result.txt', 'w')
# 遍歷文件
for filename in filenames:
filepath = sourceFileDir+'\\'+filename
# 遍歷單個(gè)文件,讀取行數(shù),寫入內(nèi)容
for line in open(filepath):
file.writelines(line)
file.write('\n')
# 關(guān)閉文件
file.close()
# 獲取單詞函數(shù)定義
def getTxt():
txt = open('result.txt').read()
txt = txt.lower()
txt = txt.replace(''', '\'')
# !"@#$%^&*()+,-./:;<=>?@[\\]_`~{|}
for ch in '!"'@#$%^&*()+,-/:;<=>?@[\\]_`~{|}':
txt.replace(ch, ' ')
return txt
# 1.獲取單詞
hamletTxt = getTxt()
# 2.切割為列表格式,'' 兼容符號錯(cuò)誤情況,只保留英文單詞
txtArr = re.findall('[a-z\''A-Z]+', hamletTxt)
# 3.去除所有遍歷統(tǒng)計(jì)
counts = {}
for word in txtArr:
# 去掉一些常見無價(jià)值詞
forbinArr = ['a.', 'the', 'a', 'i']
if word not in forbinArr:
counts[word] = counts.get(word, 0) + 1
# 4.轉(zhuǎn)換格式,方便打印,將字典轉(zhuǎn)換為列表,次數(shù)按從大到小排序
countsList = list(counts.items())
countsList.sort(key=lambda x: x[1], reverse=True)
# 5. 輸出結(jié)果
for i in range(10):
word, count = countsList[i]
print('{0:<10}{1:>5}'.format(word, count))
效果如下圖:

另一種更簡單的統(tǒng)計(jì)詞頻的方法:
# coding=utf-8
from collections import Counter
# words 為讀取到的結(jié)果 list
words = ['a', 'b' ,'a', 'c', 'v', '4', ',', 'w', 'y', 'y', 'u', 'y', 'r', 't', 'w']
wordCounter = Counter(words)
print(wordCounter.most_common(10))
# output: [('y', 3), ('a', 2), ('w', 2), ('b', 1), ('c', 1), ('v', 1), ('4', 1), (',', 1), ('u', 1), ('r', 1)]
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
詳解python如何提取瀏覽器中保存的網(wǎng)站登錄用戶名密碼
很多瀏覽器都貼心地提供了保存用戶密碼功能,用戶一旦開啟,就不需要每次都輸入用戶名、密碼,非常方便,作為python腳本,能否拿到用戶提前保存在瀏覽器中的用戶名密碼,用以自動登錄呢,下面我們就來看看吧2023-08-08
python入門課程第四講之內(nèi)置數(shù)據(jù)類型有哪些
這篇文章主要介紹了python入門課程第四講之內(nèi)置數(shù)據(jù)類型有哪些?本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-09-09
opencv實(shí)現(xiàn)靜態(tài)手勢識別 opencv實(shí)現(xiàn)剪刀石頭布游戲
這篇文章主要為大家詳細(xì)介紹了opencv實(shí)現(xiàn)靜態(tài)手勢識別,opencv實(shí)現(xiàn)剪刀石頭布游戲,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-01-01
Python3實(shí)現(xiàn)并發(fā)檢驗(yàn)代理池地址的方法
這篇文章主要介紹了Python3實(shí)現(xiàn)并發(fā)檢驗(yàn)代理池地址的方法,實(shí)例分析了Python3基于線程的代理檢驗(yàn)操作相關(guān)技巧,需要的朋友可以參考下2016-09-09

