Python处理文本:《笑傲江湖》与《射雕英雄传》字符与词语统计

版权申诉
0 下载量 28 浏览量 更新于2024-08-05 收藏 15KB DOCX 举报
"Python综合应用题.docx" 在Python编程中,给定的题目涉及到文本处理和数据分析。首先,我们来详细分析每一个问题及其解决方法。 问题1:统计"笑傲江湖-网络版.txt"中所有中文字符及标点符号的数量,并以CSV格式保存。这个问题可以通过读取文件内容,然后遍历每个字符,判断是否为中文字符或标点符号来实现。参考代码中,已经给出了部分解决方案。首先,打开文件并读取内容,然后创建一个字典用于存储字符计数,排除空格和换行符。接着遍历文本中的每个字符,如果不在排除列表中,则增加其在字典中的计数。最后,将结果转换为CSV格式并写入新的文件。完整代码如下: ```python fi = open("笑傲江湖-网络版.txt", "r", encoding='utf-8') fo = open("笑傲江湖-字符统计.txt", "w", encoding='utf-8') txt = fi.read() d = {} for c in txt: if c not in [' ', '\n']: d[c] = d.get(c, 0) + 1 del d[''], d['\n'] ls = [] for key in d: ls.append(f"{key}:{d[key]}") fo.write(','.join(ls)) fi.close() fo.close() ``` 问题2:计算"笑傲江湖-网络版.txt"中引号内的字符占文本总字符的比例。这个问题通过遍历文本,使用一个标志变量`flag`来跟踪当前字符是否在引号内。当遇到左引号时,设置`flag`为True,遇到右引号时设置为False。若`flag`为True,表示当前字符在引号内,计数器加一。最后,计算比例并打印结果。参考代码已给出了解决方案。 问题3:统计"射雕英雄传-网络版.txt"中出现次数最多的8个中文词语。这个问题需要用到jieba库进行中文分词。首先读取文件内容,然后使用jieba的lcut函数进行分词。接下来,创建一个字典来统计词频,最后找出出现次数最多的8个词。参考代码中给出的片段需要完善,以下为完整的代码: ```python import jieba fi = open("射雕英雄传-网络版.txt", "r", encoding='utf-8') txt = fi.read() fi.close() ls = jieba.lcut(txt) d = {} for w in ls: d[w] = d.get(w, 0) + 1 sorted_words = sorted(d.items(), key=lambda x: x[1], reverse=True) top_8_words = [word[0] for word in sorted_words[:8]] print("出现次数最多的8个词语是:", top_8_words) ``` 以上代码分别解决了三个不同的文本处理问题,涵盖了字符统计、引号内字符占比计算以及词语频率统计。这些任务都是Python在文本处理和数据分析领域常见的应用场景,对于理解和掌握Python的文本操作有很好的实践价值。