01词频统计器 - 技术栈

01词频统计器

今儿敲了吗2026-09-12 11:01

1.任务目标

读一篇考研英语真题 文章，忽略大小写和标点，统计每个单词出现次数，输出前10个高频词及次数。

2.步骤

准备语料 ：找一篇考研英语阅读真题原文，存成 article.txt，与代码同目录。存文件时编码选 UTF-8
复制代码
```
task01_wordcount/
├─ wordcount.py      
└─ article.txt      
```

读取文件：用 open() 读入全文；先 print 出来确认读到了原文，再往下走

python 复制代码

# 读取文章
f = open("article.txt", encoding = "utf-8") # 读取文件
text = f.read()         # 把 f 里的内容读出来，存进变量 text
print(text)           # 把 text 打印到终端

清洗 + 切词：

转小写 lower()

python 复制代码

text_lower = text.lower() # 将所有单词转成小写，并存进text_lower
print(text_lower) # 验证

去标点，利用string.punctuation

python 复制代码

text_clean = ""
for ch in text_lower:
    if ch not in string.punctuation:
        text_clean += ch
print (text_clean) # 验证

split() 成单词列表

python 复制代码

# 第四步 将单词切分放入列表
words = text_clean.split() # 切割成单词，返回列表words
print(words) # 验证

统计词频：

python 复制代码

counts = {}
for word in words:
    if word in counts:        # 这个单词已经见过了
        counts[word] += 1
    else:                     # 头一次见
        counts[word] = 1
print(counts) #验证

排序取前10：

python 复制代码

top_10 = sorted(counts.items(), key = lambda item : item[1], reverse = True) [:10]
print(top_10) # 验证