自学Python:统计一篇英文文章中使用频率最高的词组

如果要统计一篇英文文章中，或者一本英文书中出现的词组频率进行统计排序，如果人工做那是不敢想象的工作量。而使用python之需要两行代码就完成主要工作了。

下面演示代码：

def txt():

    t = open("D:\hamlet.txt", "r").read() #打开文件

    t = t.lower() #把所有的字母都转换成小写

    for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~': #去掉标点呼号

        t = t.replace(ch, " ")  #将文本中特殊字符替换为空格

    return t

hamletTxt = txt()

words  = hamletTxt.split()

counts = {}

for word in words:

    counts[word] = counts.get(word,0) + 1 #核心统计代码就上面这两行

items = list(counts.items())

items.sort(key=lambda x:x[1], reverse=True)

for i in range(10):

    word, count = items[i]

    print ("{0:<10}{1:>5}".format(word, count))#获取排名前10的名单

执行结果:

the 1138

and        965

to          754

of          669

you        550

i          542

a          542

my          514

hamlet      462

in          436

就是使用这个功能，李笑来出了第一本书畅销书《TOEFL核心词汇21天突破》，也是一本长畅销书，到目前的销量还很好。

________________END______________