python中结巴包的一些东西

#coding:utf-8
import jieba,csv
fenci=open(r'fenci_ddc.csv','w')  #数据写入到fenci_key里
stopkey=[line.strip().decode('utf-8') for line in open('stopkey.txt').readlines()]
#读取停止词文件并保存到列表stopkey
key=csv.reader(file('key_ddc.csv','rb'))  #读取需要处理的词库：key_ddc.csv
list1=[]
i=0
for keys in key:
if i==0:
i=1
jiebas=jieba.cut_for_search(keys[0]) #jieba.cut_for_search() 结巴分词搜索引擎模式
fenci_key="/".join(list(set(jiebas)-set(stopkey))) #使用join链接字符串输出
list1.append(fenci_key.strip())  #将数据添加到list1列表
print u'程序处理中，请等待...'
else:
jiebas=jieba.cut_for_search(keys[0])

fenci_key="/".join(list(set(jiebas)-set(stopkey)))

list1.append(fenci_key.strip())

zidian={}.fromkeys(list1).keys()    #字典去重的方法
for zd  in zidian:
try:
print zd
except:
pass
fenci.writelines(zd.encode('utf-8'))      #需要转换成utf-8格式输出
fenci.writelines('\n')

fenci.close()

import jieba
import jieba.analyse    #计算tf-idf需要调用此模块jieba.analyse
stopkey=[line.strip().decode('utf-8') for line in open('stopkey.txt').readlines()]
#将停止词文件保存到列表stopkey，停止词在网上下载的。
neirong = open(r"ceshi1.txt","r").read()  #导入需要计算的内容
zidian={}
fenci=jieba.cut_for_search(neirong)   #搜索引擎模式分词
for fc in fenci:
if fc in zidian:
zidian[fc]+=1           #字典中如果存在键，键值加1，
else:
zidian.setdefault(fc,1)   #字典中如果不存在键，就加入键，键值设置为1
quanzhong=jieba.analyse.extract_tags(neirong,topK=20)       #计算tf-idf，输出前20的权重词。

for qg in quanzhong:
if qg in stopkey:       #如果qg存在停止词stopkey里面，则pass
pass
else:                                        #不存在的话就输出qg和出现qg的次数
print qg+","+`zidian[qg]`       #输出权重词和权重词出现的次数

import re,csv
key=csv.reader(file('uz.csv','rb'))
key1=open('uz1.csv','w')
zidian={}
lists=[]
for line in key:
reges=re.compile(r'\w',re.M)
E=reges.findall(line[0])   #获取数字和英文
reges1=re.compile(r'\W',re.M)
C=reges1.findall(line[0])  #获取到中文
English= len(E)  #获取英文长度
China=len(C)/3   #获取中文长度，中文一个汉字3个字节，除以3得到汉字个数
length=line[0]+','+line[1]+','+`English+China`
lists.append(length)

for ls in lists:
ls=ls.split(',')
ls_value=int(ls[2])      #这一步必须转成int，否则下面的字典排序的时候不会当作数值处理，而是当作字符来处理，导致排序错误
ls_key=ls[0]+','+ls[1]
zidian1={ls_key:ls_value}
zidian.update(zidian1)
cc=sorted(zidian.items(), key=lambda d:d[1], reverse=True )   #字典排序之降序，针对字典value排序(d:d[1])， reverse=true为降序
for key in cc:    #keys()字典的键值
key1.writelines(key[0]+","+`key[1]`+"\n" )   #文件写入key1
print key[0]+","+`key[1]`    #分别输出里面的数
key1.close()