這篇文章主要介紹了Python找出文件中使用率最高的漢字,涉及Python針對字符串與中文的相關操作技巧,需要的朋友可以參考下

本文實例講述了Python找出文件中使用率最高的漢字的方法。分享給大家供大家參考。具體分析如下：

這是我初學Python時寫的，為了簡便，我并沒在排序完后再去掉非中文字符，稍微會影響性能(大約增加了25%的時間)。

1. # -*- coding: gbk -*-  
2. import codecs  
3. from time import time  
4. from operator import itemgetter  
5. def top_words(filename, size=10, encoding='gbk'):  
6. count = {}  
7. for line in codecs.open(filename, 'r', encoding):  
8. for word in line:  
9. if u'/u4E00' <= word <= u'/u9FA5' or u'/uF900' <= word <= u'/uFA2D':  
10. count[word] = 1 + count.get(word, 0)  
11. top_words = sorted(count.iteritems(), key=itemgetter(1), reverse=True)[:size]  
12. print '/n'.join([u'%s : %s次' % (word, times) for word, times in top_words])  
13. begin = time()  
14. top_words('空之境界.txt')  
15. print '一共耗時 : %s秒' % (time()-begin)  

如果想用上新方法，以及讓join的可讀性更高的話，這樣也是可以的：

1. # -*- coding: gbk -*-  
2. import codecs  
3. from time import time  
4. from operator import itemgetter  
5. from heapq import nlargest  
6. def top_words(filename, size=10, encoding='gbk'):  
7. count = {}  
8. for line in codecs.open(filename, 'r', encoding):  
9. for word in line:  
10. if u'/u4E00' <= word <= u'/u9FA5' or u'/uF900' <= word <= u'/uFA2D':  
11. count[word] = 1 + count.get(word, 0)  
12. top_words = nlargest(size, count.iteritems(), key=itemgetter(1))  
13. for word, times in top_words:  
14. print u'%s : %s次' % (word, times)  
15. begin = time()  
16. top_words('空之境界.txt')  
17. print '一共耗時 : %s秒' % (time()-begin) 

或者讓行數更少(好囧的列表綜合)：

1. # -*- coding: gbk -*-  
2. import codecs  
3. from time import time  
4. from operator import itemgetter  
5. def top_words(filename, size=10, encoding='gbk'):  
6. count = {}  
7. for word in [word for word in codecs.open(filename, 'r', encoding).read() if u'/u4E00' <= word <= u'/u9FA5' or u'/uF900' <= word <= u'/uFA2D']:  
8. count[word] = 1 + count.get(word, 0)  
9. top_words = sorted(count.iteritems(), key=itemgetter(1), reverse=True)[:size]  
10. print '/n'.join([u'%s : %s次' % (word, times) for word, times in top_words])  
11. begin = time()  
12. top_words('空之境界.txt')  
13. print '一共耗時 : %s秒' % (time()-begin) 

此外還可以引入with語句，這樣只需一行就能獲得異常安全性。

3者性能幾乎一樣，結果如下：

1. 的 : 17533次 
2. 是 : 8581次 
3. 不 : 6375次 
4. 我 : 6168次 
5. 了 : 5586次 
6. 一 : 5197次 
7. 這 : 4394次 
8. 在 : 4264次 
9. 有 : 4188次 
10. 人 : 4025次 
11. 一共耗時 : 0.5秒 

引入psyco模塊的成績：

1. 的 : 17533次 
2. 是 : 8581次 
3. 不 : 6375次 
4. 我 : 6168次 
5. 了 : 5586次 
6. 一 : 5197次 
7. 這 : 4394次 
8. 在 : 4264次 
9. 有 : 4188次 
10. 人 : 4025次 
11. 一共耗時 : 0.280999898911秒 

注：測試文件為778KB的GBK編碼，40余萬字。

希望本文所述對大家的Python程序設計有所幫助。