自学训练营学习2群 day11 (#5167)

* Create stats_word.py

* Create main.py

* Create stats_word.py

* Create main.py

* Create main.py

* Create stats_word.py

* Create tang300.json

* Create tang300.json

* Create stats_word.py

* Create main.py

* Create main.py

* Create stats_word.py

* Create tang300.json

* Create wechat.py

Author: Andy910

1901010091/d09/mymodule/tang300.json

@@ -0,0 +1,15 @@
+import json
+file_path='/Users/YY/Documents/GitHub/selfteaching-python-camp/1901010091/d09/mymodule/tang300.json'
+with open(file_path) as f:
+    js=json.load(f)
+tt=[str(i) for i in js]
+text=''.join(tt)
+
+count=20
+
+import stats_word
+try:
+    stats_word.stats_text(text,count)
+except ValueError:
+    print("文本为非字符串")
+

1901010091/d10/mymodule/tang300.json

@@ -0,0 +1,64 @@
+
+def stats_text_en(text,count):
+    t1=text.split()#将字符串转化为列表
+    word=[]
+    #去除非英文字符
+    import re
+    for i in t1:#历遍列表t1
+        s=re.findall(r'[^a-zA-Z]+',i)#找出t1中的非英文字符
+        for j in s:#j历遍所有非英文字符
+            i=i.replace(j,'')#i中所有非英文字符用空白替换
+        if len(i):#如果i是英文字符串
+            word.append(i)#将i加入word中
+    #统计词频
+    cou={}
+    w1=set(word)
+    w2=list(w1)
+    for a in range(len(w2)):
+        cou[w2[a]]=0
+        for b in range(len(word)):
+            if w2[a]==word[b]:
+                cou[w2[a]]+=1
+    import collections
+    yy=collections.Counter(cou).most_common(count)
+    print(yy)
+
+def stats_text_cn(text,count):
+    word_lst=[]
+    word_dict={}
+    
+    import jieba
+    seg_list=jieba.lcut(text,cut_all=False)
+    text_jb=format(seg_list)
+
+    exclude_str="，］’ ［。！!?？、APPcontents' {},:type ,author\（）title【】id《》,.<>=：+-*——“”...%1234567890a10bcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQURSTUVWXYZ"
+    
+    textin=text_jb.split()
+    textout=[]
+    #添加每一个字到列表中
+    for line in textin:
+        for char in line:
+            word_lst.append(char)
+
+    #用字典统计每个字出现的次数
+    for char in seg_list:
+        if char not in exclude_str:
+            if len(char)>1:
+                if char.strip() not in word_dict:#去除各种空白
+                    word_dict[char]=1
+                else:
+                    word_dict[char]+=1
+    #按字频排序
+    import collections
+    textout=collections.Counter(word_dict).most_common(count)
+    
+    stats_text_cn.textout=textout
+    #输出结果
+    print(textout)
+
+def stats_text(text,count):
+    if type(text)!=str:
+        raise ValueError("文本为非字符串")
+    stats_text_en(text,count)
+    stats_text_cn(text,count)
+