自然语言(NPL)处理入门之单词计数

偏执的太偏执、 2022-05-17 12:12 175阅读 0赞

1.软件基础：  
python 3.7  
pandas库  
excel(选用)

--------------------

2.思路分析：  
读文本→拆分文本→单词计数→归纳整合→最终效果展示

--------------------

3.代码：

#coding=utf-8
    #designed by liuxiawei1996@outlook.com
    import pandas
    
    def readcontext(inputpath):
        f=open(inputpath,'r')
        # 按行读取存入列表，列表中子元素为一行文字
        text=f.readlines()
        return text
    
    def splitwords(text):
        re=[]
        # 将列表中的每行文字按空格拆分，去掉换行，大写转成小写
        for i in text:
            re.extend(str(i).strip('.\n').lower().split(' '))
        return re
    
    def create_and_calucatedict(re):
        #因为是单词计数，字典比较适合
        worddict={}
        for i in re:
            #每读入单词判断在字典key中是否存在，不存在创建该单词key，vulue默认=1
            if i not in worddict:
                worddict[i]=1
            #读入单词在字典key存在，value+1
            else:
                worddict[i]+=1
        return worddict
    
    def output_txt(outputpath,worddict):
        #将结果输出到txt
        f=open(outputpath,'w',encoding='utf-8')
        string=str(worddict).lstrip("{'").rstrip("}").replace(',','\n').replace("'",'').replace(' ','')
        f.write(string)
        f.closed
    
    def output_html(worddict):
        #将结果利用pandas输出到html
        df = pandas.DataFrame(worddict, index=[0])
        df_T = df.T#因为结果横向显示太长，转为转置矩阵
        #我试了一下好像html不能转，只有excel能转，尴尬......
        df.to_html('wordcount.html')
    
    def output_excel(worddict):
        # 将结果利用pandas输出到excel
        df = pandas.DataFrame(worddict, index=True)
        df_T = df.T#因为结果横向显示太长，转为转置矩阵,
        df_T.to_excel('wordcount.xlsx')
    
    def main():
        text = readcontext('article.txt')
        re = splitwords(text)
        worddict = create_and_calucatedict(re)
        output_excel(worddict)
    
    if __name__ == '__main__':
        main()

--------------------

4.结果展示：  
![Excel结果展示][Excel]  
![Html结果展示][Html]  
![Txt结果展示][Txt]

[Excel]: /images/20220517/2f3806db9b11455baf86e08b0e96294d.png
[Html]: /images/20220517/22df8e8376a8455d850d2a6dcc139428.png
[Txt]: /images/20220517/685d635708be48ca94b89f27967790ce.png