词频统计之《哈姆雷特》Python

Question

Hamlet《哈姆雷特》是莎士比亚的一部经
典悲剧作品。这里提供了该故事的文本文
件：hamlet.txt。
请统计该文件中出现英文的词频，按照如下
格式打印输出前10个高频词语：
the ,1138
即：英文单词
（左对齐，宽度为10）+逗号+词语出现的频率（右对齐，宽度为5)
要求与说明：
1.标点符号及组合不算作英文词语，去除的
标点及特殊符号如下！"#$%&()*+,-./:;<=>?
2.同一单词的各种大小写形式记作一个词.
如The和the相同
3.在程序中，请使用文件名打开文件：
hamlet.txt

f = open("hamlet.txt","r")
f.close()

Answer 1

本答案参考多次询问ChatGPT-3.5后选择的最佳回答，若是满意，还请采纳，谢谢。

import string

def process_file():
    word_count = {}
    with open('hamlet.txt', 'r') as f:
        for line in f:
            line = line.translate(str.maketrans('', '', string.punctuation))
            line = line.lower()
            words = line.split()
            for word in words:
                if word not in word_count:
                    word_count[word] = 1
                else:
                    word_count[word] += 1
    items = list(word_count.items())
    items.sort(key=lambda x: x[1], reverse=True)
    for i in range(10):
        word, count = items[i]
        print(f"{word:<10},{count:>5}")


if __name__ == '__main__':
    process_file()

在上述代码中：

1. 首先定义了process_file函数，在函数内部，首先创建了一个空的字典word_count用于存储单词和其出现的频率。
2. 然后打开hamlet.txt文件，对于文件中的每一行，先去除标点符号（通过translate方法结合string.punctuation），再转换为小写字母，然后将每行分割成单词列表。
3. 对于每个单词，如果不在word_count字典中，则将其加入字典且计数为1，否则将其计数加1。
4. 之后将字典转换为包含元组（单词，计数）的列表items，并按照计数从大到小排序。
5. 最后取前10个元素，按照要求的格式打印输出。