统计哈姆雷特中的次数出现频次

# -*- coding: utf-8 -*-
"""
Created on Tue Apr 16 22:15:49 2024

@author: 12052
"""

def getText():
    txt = open("D:\hamlet.txt","r").read()
    txt = txt.lower()
    for ch in '!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~':
        txt = txt.replace(ch,' ')
    return txt
hamletTxt = getText()
words = hamletTxt.split()
counts = {}
for word in words:
    counts[word]=counts.get(word,0)+1
items = list(counts.items())#键表示各个单词，值表示出现次数
items.sort(key=lambda x:x[1],reverse=True)#根据次数进行降序排序
for i in range(10):#输出出现频次前十名的词
    word,count = items[i]
    print("{0:<10}{1:>5}".format(word,count))

【问题描述】

请统计hamlet.txt文件中出现的英文单词情况，统计并输出出现最多的前n个单词，注意：‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

(1) 单词不区分大小写，即需将大写转换成小写；‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

(2) 请在文本中剔除如下特殊符号：!"#$%&()*+,-./:;<=>?@[\\]^_‘{|}~‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

(3) 输出n个单词和其出现次数，每个单词一行；‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

(4) 输出单词为小写形式。

此题不涉及编码转换，若想指定编码   可在开始加上

#-*- coding: utf-8 -*-

或 在文件打开处 指定编码

with open("hamlet.txt", "r", encoding='utf-8') as f：

     ........

     ........

【输入形式】

【输出形式】

以下仅是输出样例（仅列出3个，需要列出n个），不是最终结果：‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬

the        1138

and         965

to          754

单词   左对齐，并占10个位置；  次数   右对齐，并占5个位置

【样例输入】
【样例输出】
【样例说明】
【评分标准】

统计Hamlet英文词频的第一步是分解并提取英文文章的单词。同一个单词会存在大小写不同形式，但计数却不能区分大小写。假设Hamlet文本由变量txt表示。可以通过txt.lower(）函数将字母变成小写，排除原文大小写差异对词频统计的干扰。英文单词的分隔可以是空格、标点符号或者特殊符号。为统一分隔方式，可以将各种特殊字符和标点符号使用txt. replace(）方法替换成空格，再提取单词。
统计词频的第二步是对每个单词进行计数。假设将单词保存在变量 word 中，使用一个字典类型 counts={}，统计单词出现的次数可采用如下代码：
counts [word]= counts[word] + 1
当到一个新词时，单词没有出现在字典结构中，则需要在字典中新建键值对；counts (new_word] = 1因此，无论词是否在字典中，加入字典counts中的处理逻辑可以统一表示如下：if word in counts:
counts [word] = counts[word] + 1
else:
counts [word]=1
##这里可以看作当字典为空counts赋值为1 如果有则counts++
或者，这个处理逻辑可以更简洁地表示为如下代码：
counts [word] = counts.get (word,0) + 1
字典类型的counts.get(word,0）方法表示：如果word在counts中，则返回word 对应的值，如果word不在counts中，则返回0。
该实例的第三步是对单词的统计值从高到低进行排序，输出前10个高频词语，并格式化打印输出。由于字典类型没有顺序，需要将其转换为有顺序的列表类型，再使用sort(）方法和lambda函数配合实现根据单词出现的次数对元素进行排序。最后输出排序结果前10位的单词。

##items()表示返回所有的键值对
items = list (counts.items()) 

输出的结果如下：

＃将字典转换为记录列表，将键值对按对存为列表形式
items.sort (key=lambda x:x[1], reverse=True）

#lambda函数代表简洁方式的函数定义 return x[1]，即列表中表示值的数字

#sort 函数 reverse=True 表示降序