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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
# -*- coding: gbk -*- import codecs from time import time from operator import itemgetter def top_words(filename, size=10, encoding='gbk'): count = {} for line in codecs.open(filename, 'r', encoding): for word in line: if u'\u4E00' <= word <= u'\u9FA5' or u'\uF900' <= word <= u'\uFA2D': count[word] = 1 + count.get(word, 0) top_words = sorted(count.iteritems(), key=itemgetter(1), reverse=True)[:size] print '\n'.join([u'%s : %s次' % (word, times) for word, times in top_words]) begin = time() top_words('空之境界.txt') 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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
# -*- coding: gbk -*- import codecs from time import time from operator import itemgetter from heapq import nlargest def top_words(filename, size=10, encoding='gbk'): count = {} for line in codecs.open(filename, 'r', encoding): for word in line: if u'\u4E00' <= word <= u'\u9FA5' or u'\uF900' <= word <= u'\uFA2D': count[word] = 1 + count.get(word, 0) top_words = nlargest(size, count.iteritems(), key=itemgetter(1)) for word, times in top_words: print u'%s : %s次' % (word, times) begin = time() top_words('空之境界.txt') print '一共耗時 : %s秒' % (time()-begin) |
或者讓行數更少（好囧的列表綜合）：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
# -*- coding: gbk -*- import codecs from time import time from operator import itemgetter def top_words(filename, size=10, encoding='gbk'): count = {} 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']: count[word] = 1 + count.get(word, 0) top_words = sorted(count.iteritems(), key=itemgetter(1), reverse=True)[:size] print '\n'.join([u'%s : %s次' % (word, times) for word, times in top_words]) begin = time() top_words('空之境界.txt') 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
2
3
4
5
6
7
8
9
10
11
|
的 : 17533次是 : 8581次不 : 6375次我 : 6168次了 : 5586次一 : 5197次這 : 4394次在 : 4264次有 : 4188次人 : 4025次一共耗時 : 0.5秒 |
引入psyco模塊的成績：
|
1
2
3
4
5
6
7
8
9
10
11
|
的 : 17533次是 : 8581次不 : 6375次我 : 6168次了 : 5586次一 : 5197次這 : 4394次在 : 4264次有 : 4188次人 : 4025次一共耗時 : 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。
