python 文本单词提取和词频统计的实例


Posted in Python onDecember 22, 2018

这些对文本的操作经常用到, 那我就总结一下。 陆续补充。。。

操作:

strip_html(cls, text) 去除html标签

separate_words(cls, text, min_lenth=3) 文本提取

get_words_frequency(cls, words_list) 获取词频

源码:

class DocProcess(object):

 @classmethod
 def strip_html(cls, text):
  """
   Delete html tags in text.
   text is String
  """
  new_text = " "
  is_html = False
  for character in text:
   if character == "<":
    is_html = True
   elif character == ">":
    is_html = False
    new_text += " "
   elif is_html is False:
    new_text += character
  return new_text

 @classmethod
 def separate_words(cls, text, min_lenth=3):
  """
   Separate text into words in list.
  """
  splitter = re.compile("\\W+")
  return [s.lower() for s in splitter.split(text) if len(s) > min_lenth]

 @classmethod
 def get_words_frequency(cls, words_list):
  """
   Get frequency of words in words_list.
   return a dict.
  """
  num_words = {}
  for word in words_list:
   num_words[word] = num_words.get(word, 0) + 1
  return num_words

以上这篇python 文本单词提取和词频统计的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python实现模拟按键,自动翻页看u17漫画
Mar 17 Python
python3中set(集合)的语法总结分享
Mar 24 Python
Python爬虫使用Selenium+PhantomJS抓取Ajax和动态HTML内容
Feb 23 Python
Empty test suite.(PyCharm程序运行错误的解决方法)
Nov 30 Python
vim自动补全插件YouCompleteMe(YCM)安装过程解析
Oct 21 Python
python+tifffile之tiff文件读写方式
Jan 13 Python
详解python内置常用高阶函数(列出了5个常用的)
Feb 21 Python
Python栈的实现方法示例【列表、单链表】
Feb 22 Python
python实现简单俄罗斯方块
Mar 13 Python
python3通过udp实现组播数据的发送和接收操作
May 05 Python
Python嵌入C/C++进行开发详解
Jun 09 Python
Python操作MySQL数据库的示例代码
Jul 13 Python
python 删除字符串中连续多个空格并保留一个的方法
Dec 22 #Python
Python函数装饰器实现方法详解
Dec 22 #Python
使用python对文件中的单词进行提取的方法示例
Dec 21 #Python
Python类装饰器实现方法详解
Dec 21 #Python
Python实现的字典排序操作示例【按键名key与键值value排序】
Dec 21 #Python
Python简单获取二维数组行列数的方法示例
Dec 21 #Python
python进行TCP端口扫描的实现
Dec 21 #Python
You might like
PHP7内核之Reference详解
2019/03/14 PHP
javascript实现的像java、c#之类的sleep暂停的函数代码
2010/03/04 Javascript
浅谈javascript的原型继承
2012/07/25 Javascript
Javascript中valueOf与toString区别浅析
2013/03/19 Javascript
JQuery调用WebServices的方法和4个实例
2014/05/06 Javascript
js调试工具console.log()方法查看js代码的执行情况
2014/08/08 Javascript
Jquery仿IGoogle实现可拖动窗口示例代码
2014/08/22 Javascript
jQuery实现hover合成事件的方法
2015/08/06 Javascript
js中javascript:void(0) 真正含义
2020/11/05 Javascript
vuejs开发组件分享之H5图片上传、压缩及拍照旋转的问题处理
2017/03/06 Javascript
使用Bootstrap + Vue.js实现表格的动态展示、新增和删除功能
2017/11/27 Javascript
JavaScript实现删除数组重复元素的5种常用高效算法总结
2018/01/18 Javascript
vue 实现cli3.0中使用proxy进行代理转发
2019/10/30 Javascript
three.js利用卷积法如何实现物体描边效果
2019/11/27 Javascript
js实现的订阅发布者模式简单示例
2020/03/14 Javascript
python中readline判断文件读取结束的方法
2014/11/08 Python
Python二叉搜索树与双向链表转换实现方法
2016/04/29 Python
Python数据结构与算法之图的基本实现及迭代器实例详解
2017/12/12 Python
python删除某个字符
2018/03/19 Python
python3 拼接字符串的7种方法
2018/09/12 Python
python 拼接文件路径的方法
2018/10/23 Python
python实现逐个读取txt字符并修改
2018/12/24 Python
python使用phoenixdb操作hbase的方法示例
2019/02/28 Python
python使用Plotly绘图工具绘制散点图、线形图
2019/04/02 Python
使用Python检测文章抄袭及去重算法原理解析
2019/06/14 Python
PyInstaller的安装和使用的详细步骤
2020/06/02 Python
解决python3.6用cx_Oracle库连接Oracle的问题
2020/12/07 Python
HTML5本地存储之IndexedDB
2017/06/16 HTML / CSS
Cotton On南非:澳洲时尚平价品牌
2018/06/28 全球购物
Java基础类库面试题
2013/09/04 面试题
客服工作职责
2013/12/11 职场文书
社区安全检查制度
2014/02/03 职场文书
遗嘱公证书标准样本
2014/04/08 职场文书
小学生优秀评语大全
2014/04/22 职场文书
父亲节活动策划方案
2014/08/24 职场文书
离婚财产处理协议书
2014/09/30 职场文书