Python文本统计功能之西游记用字统计操作示例

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:utf8
import sys
reload(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]] += 1
print 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

希望本文所述对大家Python程序设计有所帮助。

来源：https://blog.csdn.net/u013421629/article/details/74004527