python读取文件里的单词，统计词频，输出到文件

迷南。 2022-07-15 05:17 137阅读 0赞

(2017-05-15 优化的代码）

#!/usr/bin/env python3 #-*- coding:utf-8 -*- ''' 程序用python3运行时，可将当前路径下的aa.txt文件读取后，按空格分割成一系列的单词， 然后统计这些单词出现的次数，按频率从大到小排序后，写入ar.txt文件中。 涉及的语法有： 1、中英文混合对齐； 2、collections.Counter； 3、获取当前路径、文件读写、路径与文件名组合、随机数生成。。。 ''' import os from random import choice, randint from collections import Counter from string import ascii_letters as letters #假设要读取文件名为aa，位于当前路径 filename = 'aa.txt' dirname = os.getcwd() fname = os.path.join(dirname, filename) #注释掉的程序段，用于测试脚本，它生成20行数据，每行有1-20随机个数字，每个数字随机1-20 #''' lines = [] for i in range(20): line = [] for j in range(randint(1,20)): line.append(''.join([choice(letters) for c in range(randint(1, 10))])) lines.append(' '.join(line)) with open(fname, 'w') as f: f.write('\n'.join(lines)) #''' with open(fname) as f: s = f.read() counter = Counter(s.replace('\n', ' ').split(' ')) # 格式化要输出的每行数据，首尾各占8位，中间占18位 def geshi(a,b,c): return alignment(str(a))+alignment(str(b),18)+alignment(str(c))+'\n' # 中英文混合对齐 ，参考http://bbs.fishc.com/thread-67465-1-1.html ，二楼 # 汉字与字母 格式化占位 format对齐出错 对不齐 汉字对齐数字 汉字对齐字母 中文对齐英文 # alignment函数用于英汉混合对齐、汉字英文对齐、汉英对齐、中英对齐 def alignment(str1, space=8, align = 'left'): length = len(str1.encode('gbk')) space = space - length if space >=length else 0 if align in ['left','l','L','Left','LEFT']: return str1 + ' ' * space elif align in ['right','r','R','Right','RIGHT']: return ' '* space + str1 elif align in ['center','c','C','Center','CENTER','centre']: return ' ' * (space // 2) + str1 + ' ' * (space - space // 2) return 'Unknow align format' title = geshi('序号', '词', '频率') results = [] #要输出的数据，每一行由：序号(占8位)词(占20位)频率(占8位)+'\n'构成，序号=List.index(element)+1 for i, (w, c) in enumerate(counter.most_common(), 1): results.append(geshi(i,w,c)) #将统计结果写入文件ar.txt中 writefile = 'ar.txt' wpath = os.path.join(dirname, writefile) with open(wpath, 'w') as f: f.write(''.join([title]+results))

(2016-11-03 写的代码）

#!/usr/bin/env python3 #-*- coding:utf-8 -*- ''' 程序用python3运行时，可将当前路径下的aa.txt文件读取后，按空格分割成一系列的单词， 然后统计这些单词出现的次数，按频率从大到小排序后，写入ar.txt文件中。 涉及的语法有： 1、中英文混合对齐； 2、list高级排序，一组升，一组降； 3、获取当前路径、文件读写、路径与文件名组合、随机数生成。。。 ''' import os,random #假设要读取文件名为aa，位于当前路径 filename='aa.txt' dirname=os.getcwd() f_n=os.path.join(dirname,filename) #注释掉的程序段，用于测试脚本，它生成20行数据，每行有1-20随机个数字，每个数字随机1-20 ''' test='' for i in range(20): for j in range(random.randint(1,20)): test+=str(random.randint(1,20))+' ' test+='\n' with open(f_n,'w') as wf: wf.write(test) ''' with open(f_n) as f: s=f.readlines() # 将每一行数据去掉首尾的空格和换行符，然后用空格分割，再组成一维列表 words=[] for line in s: words.extend(line.strip().split(' ')) # 格式化要输出的每行数据，首尾各占8位，中间占18位 def geshi(a,b,c): return alignment(str(a))+alignment(str(b),18)+alignment(str(c))+'\n' # 中英文混合对齐 ，参考http://bbs.fishc.com/thread-67465-1-1.html ，二楼 # 汉字与字母 格式化占位 format对齐出错 对不齐 汉字对齐数字 汉字对齐字母 中文对齐英文 # alignment函数用于英汉混合对齐、汉字英文对齐、汉英对齐、中英对齐 def alignment(str1, space=8, align = 'left'): length = len(str1.encode('gb2312')) space = space - length if space >=length else 0 if align in ['left','l','L','Left','LEFT']: str1 = str1 + ' ' * space elif align in ['right','r','R','Right','RIGHT']: str1 = ' '* space +str1 elif align in ['center','c','C','Center','CENTER','centre']: str1 = ' ' * (space //2) +str1 + ' '* (space - space // 2) return str1 w_s=geshi('序号','词','频率') #由(词,频率)元组构成列表，先按频率降序排序，再按词升序排序，多级排序，一组升，一组降，高级sorted wordcount=sorted([(w,words.count(w)) for w in set(words)],key=lambda l:(-l[1],l[0])) #要输出的数据，每一行由：序号(占8位)词(占20位)频率(占8位)+'\n'构成，序号=List.index(element)+1 for (w,c) in wordcount: w_s+=geshi(wordcount.index((w,c))+1,w,c) #将统计结果写入文件ar.txt中 writefile='ar.txt' w_n=os.path.join(dirname,writefile) with open(w_n,'w') as wf: wf.write(w_s)