Python快速编程入门10.6.1 出场人物统计 实训文档.docxVIP

北京市昌平区建材城西路金燕龙办公楼一层 电话：400-618-4000 10.6.1 出场人物统计 《西游记》是中国古代第一部浪漫主义章回体长篇神魔小说，是中国古典四大名著之一。全书主要描写了孙悟空出世及大闹天宫后，与唐僧、猪八戒、沙悟净和白龙马四人一同西行取经，历经九九八十一难到达西天见到如来佛祖，最终五圣成真的故事。《西游记》篇幅巨大、出场人物繁多，本案例要求编写程序，统计《西游记》小说中的关键人物的出场次数。 实例目标 通过完成本实例，读者应掌握以下知识或技能： 了解jieba库的基本使用 实例分析 （1）统计文本中数据，首先需读取文本数据内容并提取相关词语。 （2）统计每个词语出现的次数，需使用一种数据结构同时保存词语和词频，并实时对词频的数量进行更新，所以数据结构应该具有可变且元素为键值对的特点，可以直接使用字典保存。 （3）提取相关词语后，对这些词语进行计数，同时需要统一称呼和删除一些无意义的词语。例如，“悟空”“老孙”“大圣”等词需要进行统一处理；对于无意义的词语需要删除，例如“我们”、“如何”等，所以这里可以构建一个排除词库，这个词库里面存放的是一些无意义的词语。 （4）词语按照统计数量按从高到低进行排序，输出前8个高频率词语，并以固定的格式进行输出。字典中的元素是无序的，这里可以将字典先转换为有顺序的列表，再让列表按照单词出现的次数排序。 代码实现 import jieba # 打开并读取“西游记.txt” txt = open(r西游记.txt, rb).read() # 构建排除词库 excludes = {一个, 那里, 怎么, 我们, 不知, 两个, 甚么, 只见, 不是,原来, 不敢, 闻言, 如何, 什么} # 使用jieba分词 words = jieba.lcut(txt) # 对划分的单词计数 counts = {} for word in words: if len(word) == 1: continue elif word == 行者 or word == 大圣 or word == 老孙: rword = 悟空 elif word == 师父 or word == 三藏 or word == 长老: rword = 唐僧 elif word == 悟净 or word == 沙和尚: rword = 沙僧 else: rword = word counts[rword] = counts.get(rword, 0) + 1 # 删除无意义的词语 for word in excludes: del counts[word] # 按词语出现的次数排序 items = list(counts.items()) items.sort(key=lambda x: x[1], reverse=True) # 采用固定的格式进行输出 for i in range(9): word, count = items[i] print({0:5}{1:5}次.format(word, count)) 代码测试 运行代码，输出结果如下： Building prefix dict from the default dictionary ... Loading model from cache C:\Users\admin\AppData\Local\Temp\jieba.cache Loading model cost 0.770 seconds. Prefix dict has been built successfully. 26346次 悟空 5282次 唐僧 4013次 八戒 1627次 沙僧 806次 和尚 603次 妖精 599次 菩萨 578次 国王 442次