1.準備utf-8編碼的文本文件file

2.通過文件讀取字符串 str

3.對文本進行預處理

4.分解提取單詞 list

5.單詞計數字典 set , dict

6.按詞頻排序 list.sort(key=)

7.排除語法型詞匯，代詞、冠詞、連詞等無語義詞

8.輸出TOP(20)

f = open(‘strgc.txt‘,‘r‘,encoding="utf-8")    #從同一目錄下讀取文件
strgc = f.read().lower()   #小寫
f.close()
print(strgc)

seq =‘.,‘
for ch in seq:
      strgc=strgc.replace(ch,"
 
 ")       #用for循環replace函數將.和,替換成空格
print(strgc)

strList = strgc.split()             #拆分
print(len(strList),strList)    #分隔一個一個單詞並統計英文單詞個數
strSet = set(strList)      #將列表轉化成集合
exclude={"and","if","a","or","in","the"}
strSet=strSet-exclude              #去掉排除語法型詞匯，代詞、冠詞、連詞等無語義詞
print(strSet)

strDict
 
={}
for word in strSet:                #再將集合轉化成字典來統計每個單詞出現次數
    strDict[word] = strList.count(word)     #只有列表可以統計
print(len(strDict),strDict)

wclist =list(strDict.items())      #以列表返回可遍歷的(鍵, 值) 元組數組
wclist.sort()                     #簡單排序
print(strDict.items())

#def takeSecond(elem):        #定義函數
 

#   x=elem[1]
#    return x
#wclist.sort(key=takeSecond,reverse=True)  #排序，默認升序，reverse=true降序  法①
wclist.sort(key=lambda  x:x[1],reverse=True)     #方法② 用lambda函數排序
print(wclist)

for i in range(20):     #輸出前20個
    print(wclist[i])

9.27作業