python利用jieba库实现Hamet英文词频统计和《hamlet》词频率

在Python中，我们可以使用jieba库来进行分词处理，但它主要用于中文文本的分析，对于英文文本如《Hamlet》的词频统计，我们需要用到的是nltk（Natural Language Toolkit）或者专门的英文文本处理库，如NLTK、spaCy或gensim。

首先，对于英文词频统计，你需要下载并安装nltk库：

pip install nltk

然后导入必要的模块，并加载《Hamlet》的英文文本文件，例如`hamlet.txt`：

import nltk
from collections import Counter

# 下载英文停用词列表
nltk.download('stopwords')
nltk.download('punkt')

with open("hamlet.txt", "r") as file:
    text = file.read().lower()  # 转成小写以统一处理

# 分割单词并去除停用词
words = [word for word in nltk.word_tokenize(text) if word.isalpha() and word not in nltk.corpus.stopwords.words('english')]

# 计算词频
word_freq = Counter(words)
most_common_words = word_freq.most_common(10)  # 取出最常见的前10个词及其频率

在这个例子中，我们使用了nltk的`word_tokenize`函数进行单词分割，`stopwords`用于移除常见的英文停用词，然后通过`Counter`计算词频并获取最频繁的词汇。