f = open("data3.txt","r",encoding='GBK') fo = open("out.txt","w",encoding='GBK') txt = f.readlines() lt = [] for line in txt: lc = line.strip(" \n").split("。") for c in lc: ls = c.split("，") lt.append(ls) for t in lt: for m in t: if "我们" in m: fo.write(m) fo.write("\n") fo.close()这个方法的结果和这个的结果有什么区别import jieba import re dict_words = {} with open('data3.txt', 'r', encoding='GBK') as f: senses = re.sub('([，。\n])', '|' , f.read()) k = jieba.cut(senses) for i in k: if len(i) >= 2: dict_words[i] = dict_words.get(i, 0) + 1 data = sorted(dict_words.items(), key=lambda x:x[1], reverse=True) with open('out.txt', 'w') as f: for sense in senses.split('|'): if data[0][0] in sense: f.write(sense+ '\n')

这两个方法的结果略有不同。

第一个方法会读入整个文件，并将每行按照句号和逗号分割成多个子句，然后将每个子句按照逗号再分割成多个短语。对于每个短语，如果包含“我们”，就写入到输出文件中。

第二个方法使用了分词工具jieba将整个文件分成了一个个词语，然后遍历词语，统计每个词语出现的次数。然后将所有词语按照出现次数排序，找到出现次数最多的词语（即data[0][0]），然后遍历每个子句，如果包含该词语，则写入到输出文件中。

相比之下，第二个方法更细致和全面。它不仅统计了“我们”这个短语的出现次数，还统计了所有词语的出现次数，并找到了最常出现的词语，然后利用这个信息遍历每个子句，找到所有包含该词语的子句并写入输出文件中。因此，第二个方法的结果更全面，涵盖了“我们”这个短语以外的所有词语。