【Python】文本包jieba使用

看了一个教程：https://www.cnblogs.com/wkfvawl/p/9487165.html
有些不懂的地方自己查阅了一下

1. 键值的添加，获得文件中相同字符出现的次数， counts = {}，counts.get(word,0)
   一个常用的统计词频的方法

txt = "a b c d a b c a b a e"
words = txt.split() #将每个字符按空格分开
print(words) #输出示例
counts = {}  #新建一个字典
for word in words:
    counts[word] = counts.get(word,0) + 1 #能够获得键对应的值
    print(list(counts.items()))

2. Python Dictionary items()方法
   字典的一个函数，以列表返回可遍历的（键，值）元组元素

s = "双儿 洪七公 赵敏 赵敏 逍遥子 鳌拜 殷天正 金轮法王 乔峰" 
ls=s.split()
counts={}
for word in ls:
    counts[word]=counts.get(word,0)+1
item=counts.items()
print("字典类型：",counts)
print("元组类型：",item)

出来的结果不是list类型，需要强制转化为list类型。

3. 元素排序：items.sort[key=lambda x:x[1],reverse=True)
   key=lambda x: x[1]lambda是一个隐函数，在这里可以不用管它，记得有这个就可以
   后面的x: x[1] 为对前面的对象中的第二维数据（即value）的值进行排序。

4. 格式化输出print("{0:<5}{1:>5}".format(word, count))
   print ("{0:<10}{1:>5}".format(word, count))
   这个是format方法的格式控制。

{<参数序号>：<填充符号><对齐><宽度><，>< . 精度 ><类型>}
< ： 左对齐
> ：右对齐
^ : 居中对
< , > 表示数字的千位分隔符
整数类型：b, c, d, o, x, X
浮点数类型：e, E, f, %

>>>"{} {}".format("hello", "world")    # 不设置指定位置，按默认顺序
'hello world'
 
>>> "{0} {1}".format("hello", "world")  # 设置指定位置
'hello world'
 
>>> "{1} {0} {1}".format("hello", "world")  # 设置指定位置
'world hello world'

import jieba
txt = open("三国演义.txt", "r", encoding='utf-8').read()
words = jieba.lcut(txt)
counts = {} #通过键值对的形式存储词语及其出现次数

for word in words:
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word, 0) + 1 #有word时返回其值，+1能够累计次数
#参考https://blog.csdn.net/weixin_42800007/article/details/82024108 

items = list(counts.items())
print(type(items[5]))
items.sort(key = lambda x: x[1], reverse = True)
#key = lambda隐函数；x:x[1]按第二维数据排序（value）

for i in range(15):
    word, count = items[i]
    print("{0:<5}{1:>5}".format(word, count))