Merge pull request #2448 from shannoxu/master

1901010059 day10

Author: Lbinyang

exercises/1901010059/day10/main.py

@@ -0,0 +1,12 @@
+
+
+import json
+
+path = r'D:\Documents\GitHub\selfteaching-python-camp\exercises\1901010059\day10\tang300.json'
+with open(path,'r',encoding='UTF-8') as f:
+    a = f.read()
+
+from mymodule.stats_word import stats_text_cn as cn
+
+print(cn(a,20)) 
+#任选一个函数用a测试参数类型检测是否成功

exercises/1901010059/day10/mymodule/stats_word.py

@@ -0,0 +1,39 @@
+
+
+import re  
+import collections #引入正则表达式
+count = int()
+def stats_text_en(en,count):        #定义一个函数
+    #\u4e00-\u9fa5 	汉字的unicode范围
+    #\u0030-\u0039 	数字的unicode范围
+    #\u0041-\u005a 	大写字母unicode范围
+    #\u0061-\u007a 	小写字母unicode范围
+    #sub(pattern,repl,string) 	把字符串中的所有匹配表达式pattern中的地方替换成repl
+    
+    if  isinstance(en,str):
+        t1= re.sub(u"([^\u0041-\u005a\u0061-\u007a])"," ",en) #将en中非英文字符转换成“ ”
+        text1 = t1.split() #将字符串分割
+        d = collections.Counter(text1).most_common(count)  #counter 函数自带统计排列功能
+        return d
+    else:
+        raise ValueError("请输入字符串")
+
+
+import jieba
+def stats_text_cn(cn,count): #定义一个统计中文汉字字频的函数
+    if isinstance(cn,str):
+        t = re.sub(u"([^\u4e00-\u9fa5])","",cn)   #将cn中非中文字符转换成“”
+        t1 = jieba.cut(t)
+        t2 = []
+        for i in t1:
+            if len(i) >= 2:
+                t2.append(i)
+                d = collections.Counter(t2).most_common(count)
+        return d
+    else:
+        raise ValueError("请输入字符串")
+
+
+def stats_text(j,count): #定义合并输出函数
+    a = stats_text_cn(j,count) + stats_text_en(j,count)  #将两次统计结果合并
+    return a