请编写程序,对一段英文文本,统计其中所有不同单词的个数,以及词频最大的前10%的单词。
所谓“单词”,是指由不超过80个单词字符组成的连续字符串,但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线,其它字符均认为是单词分隔符。
输入格式:
输入给出一段非空文本,最后以符号#
结尾。输入保证存在至少10个不同的单词。
输出格式:
在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写,例如“PAT”和“pat”被认为是同一个单词。
随后按照词频递减的顺序,按照词频:单词
的格式输出词频最大的前10%的单词。若有并列,则按递增字典序输出。
输入样例:
This is a test.
The word "this" is the word with the highest frequency.
Longlonglonglongword should be cut off, so is considered as the same as longlonglonglonee. But this_8 is different than this, and this, and this...#
this line should be ignored.
输出样例:(注意:虽然单词the
也出现了4次,但因为我们只要输出前10%(即23个单词中的前2个)单词,而按照字母序,the
排第3位,所以不输出。)
23
5:this
4:is
代码如下:
#!/usr/bin/python # -*- coding: utf-8 -*- import sys #sys.stdin 标准输入 # sys.stdout 标准输出 # sys.stderr 标准错误输出 s = sys.stdin.read() strs = s[:s.find('#')] key = set() for i in strs: if i.isalnum()==False and i!='_': key.add(i) for k in key: strs = strs.replace(k,' ') #去掉空格,全部变小写,变成列表 strs=strs.rstrip(' ').lower().split() #全部变小写 counts=dict() for i in strs: k=i[:15] #取前15个字符 if k not in counts: counts[k]=1 else: counts[k]+=1 ans=sorted(counts.items(), key=lambda x:(-x[1], x[0])) print(len(counts)) for i in range(0,int(0.1*len(counts))): #词频最大的前10% print(str(ans[i][1])+':'+ans[i][0])
参考课堂的程序,基本上是抄过来的。
越来越写不动了,理解能力跟不上了。~~~~(>_<)~~~~
读书和健身总有一个在路上