本文实例讲述了Python文本统计功能之西游记用字统计操作。分享给大家供大家参考，具体如下：
一、数据
xyj.txt，《西游记》的文本，2.2MB
致敬吴承恩大师，4020行（段）
二、目标
统计《西游记》中：
1. 共出现了多少个不同的汉字；
2. 每个汉字出现了多少次；
3. 出现得最频繁的汉字有哪些。
三、涉及内容：
1. 读文件；
2. 字典的使用；
3. 字典的排序；
4. 写文件
四、效果
五、源代码
# coding:utf8import sysreload(sys)sys.setdefaultencoding("utf8")fr = open('xyj.txt', 'r')characters = []stat = {
}
for line in fr: # 去掉每一行两边的空白 line = line.strip() # 如果为空行则跳过该轮循环 if len(line) == 0: continue # 将文本转为unicode，便于处理汉字 line = unicode(line) # 遍历该行的每一个字 for x in xrange(0, len(line)): # 去掉标点符号和空白符 if line[x] in [' ','', 't', 'n', '。', '，', '(', ')', '（', '）', '：', '□', '？', '！', '《', '》', '、', '；', '“', '”', '……']: continue # 尚未记录在characters中 if not line[x] in characters: characters.append(line[x]) # 尚未记录在stat中 if not stat.has_key(line[x]): stat[line[x]] = 0 # 汉字出现次数加1 stat[line[x]] += 1print len(characters)print len(stat)# lambda生成一个临时函数# d表示字典的每一对键值对，d[0]为key，d[1]为value# reverse为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: # 进行字符串拼接之前，需要将int转为str fw.write(item[0] + ',' + str(item[1]) + 'n')fr.close()fw.close()
PS：这里再为大家推荐2款非常方便的统计工具供大家参考：
在线字数统计工具：
http://tools.jb51.net/code/zishutongji
在线字符统计与编辑工具：
http://tools.jb51.net/code/char_tongji
更多关于Python相关内容感兴趣的读者可查看本站专题：《Python文件与目录操作技巧汇总》、《Python文本文件操作技巧汇总》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。
您可能感兴趣的文章:
- Python实现统计文本文件字数的方法
- python统计文本文件内单词数量的方法
- python统计文本字符串里单词出现频率的方法
- python统计一个文本中重复行数的方法
- Python统计单词出现的次数
- 使用Python设计一个代码统计工具
- python实现简单中文词频统计示例
- Python统计列表中的重复项出现的次数的方法
- python统计字符串中指定字符出现次数的方法
- python用字典统计单词或汉字词个数示例
