jieba分词学习

具体项目在githut里面：

应用jieba库分词
1）利用jieba分词来统计词频：
对应文本为我们队伍的介绍：jianjie.txt：
项目名称：碎片

项目描述：制作一个网站，拾起日常碎片，记录生活点滴！

项目成员：孔潭活、何德新、吴淑瑶、苏咏梅

成员风采：

孔潭活：2015034643032

何德新：

学号：2015034643017

风格：咸鱼王

擅长技术：设计

编程兴趣：机器学习、人工智能。希望的软工角色：项目经理。

一句话宣言：持而盈之，不如其已。揣而锐之，不可常保。道可道非常道；名可名非常名

吴淑谣：

学号：2015034643018

风格：细水长流

擅长技术：无，对C++比较熟悉

编程兴趣：对数据进行处理和分析

希望的软工角色：代码能力比较薄弱，希望负责技术含量不是很高的模块

一句话宣言：推陈出新，永无止境。

苏咏梅：

学号：2015034643025

风格:越挫越勇

擅长技术:没有比较擅长的，对MySQL与Java感兴趣

希望的软工角色:需求分析员

一句话宣言:要成功，先发疯，头脑简单向前冲

课程目标
一个小而美记录生活碎片的网站

代码：

import jieba
import jieba.analyse
import xlwt #写入Excel表的库
if name == "main":
wbk = xlwt.Workbook(encoding='ascii')
sheet = wbk.add_sheet("wordCount") # Excel单元格名字
word_lst = []
key_list = []
for line in open('jianjie.txt'): # jianjie.txt是需要分词统计的文档
item = line.strip('\n\r').split('\t') # 制表格切分
# print item
tags = jieba.analyse.extract_tags(item[0]) # jieba分词
for t in tags:
word_lst.append(t)
word_dict = {}
with open("wordCount.txt", 'w') as wf2: # 打开文件
for item in word_lst:
if item not in word_dict: # 统计数量
word_dict[item] = 1
else:
word_dict[item] += 1
for item in word_lst:
if word_dict[item]==1:
del word_dict[item]
orderList = list(word_dict.values())
orderList.sort(reverse=True)
# print orderList
for i in range(len(orderList)):
for key in word_dict:
if word_dict[key] == orderList[i]:
wf2.write(key + ' ' + str(word_dict[key]) + '\n') # 写入txt文档
key_list.append(key)
word_dict[key] = 0
for i in range(len(key_list)):
sheet.write(i, 1, label=orderList[i])
sheet.write(i, 0, label=key_list[i])
wbk.save('wordCount.xls') # 保存为 wordCount.xls文件

 

2）统计的词频会输出两个文件一个是txt文件另外一个是xls文件名字都是wordCount
我们利用excel来绘图