用python对modern family 摩登家庭 1~11季剧本台词的词频分析

2022/3/25 11:23:20

本文主要是介绍用python对modern family 摩登家庭 1~11季剧本台词的词频分析,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

摩登家庭这部美剧学英语应该不模式,某宝上买了1~11季的台词,想对里面得单词出现频率做个统计,高频出现的单词应该就是日常常用的,应该牢牢记住。出现次数太低的也可以不用学了。

分析程序用的是python语言。

其中单词总量:23298个,分析结果以txt文本文件保存。词频结果下载

按流水号,单词,出现频率记录。如下:

1 i 32743
2 you 30923
3 the 23733
4 a 21256
5 to 20402
6 and 13428
7 it 12405
8 that 12020
9 of 9744

....

23291 conspiring 1
23292 subletting 1
23293 coughed 1
23294 overnighted 1
23295 biologist 1
23296 waitressing 1
23297 secret's 1
23298 muriel 1

出现次数最高的单词依然是i,you,the这类的。

代码如下:

 1 import os
 2 import re
 3 
 4 from docx import Document
 5 
 6 word_dic = {}
 7 for root, dirs, files in os.walk(r'H:\english study'):
 8     for file in files:
 9         file_path = '{}\\{}'.format(root, file)
10         print(file_path)
11         doc = Document(file_path)
12         for para in doc.paragraphs:
13             # print(para.text)
14             rst = re.findall(r'\b[a-zA-Z\']+\b', para.text)
15             if rst:
16                 for word in rst:
17                     word = word.lower()
18                     count = word_dic.get(word)
19                     if count:
20                         word_dic[word] = count + 1
21                     else:
22                         word_dic[word] = 1
23 sort_list = sorted(word_dic.items(), key=lambda x: x[1], reverse=True)
24 i = 1
25 
26 with open('e:\\modern famile word sort.txt',mode='w',encoding='utf-8') as f:
27     for word in sort_list:
28         line='{} {} {}\n'.format(i, word[0], word[1])
29         f.write(line)
30         i = i + 1
31 print('done, 单词总量:{}'.format(len(sort_list)))

 



这篇关于用python对modern family 摩登家庭 1~11季剧本台词的词频分析的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程