带排序频率的python单词计数器

Question

我正在尝试读取一个文本文件，然后打印出所有最常用词在顶部的所有词，随着它在列表中的下降而减少。我有 Python 3.3.2。

def wordCounter(thing):
# Open a file
    file = open(thing, "r+")
    newWords={}
    for words in file.read().split():
        if words not in newWords:
            newWords[words] = 1
        else:
            newWords[words] += 1

    for k,v in frequency.items():
        print (k, v)
    file.close()

现在，它确实以我想要的/way/方式打印出所有内容，但有些词的使用频率高于列表中靠后的其他词。我试过使用 newWords.sort()，但它说:

"AttributeError: 'dict' object has no attribute 'sort'"

所以我不知所措，因为我的知识非常有限。

Answer 1

不要重新发明轮子 collections.Counter 将使用 .most_common 进行计数和排序，这将为您提供最常用到最不常用的单词:

from collections import Counter
def wordCounter(thing):
   with open(thing) as f:
       cn = Counter(w for line in f for w in line.split())
       return cn.most_common()

您也不需要将整个文件读入内存，您可以逐行迭代并拆分每一行。您还必须考虑标点符号，您可以使用 str.strip 将其删除:

def wordCounter(thing):
    from string import punctuation
    with open(thing) as f:
        cn = Counter(w.strip(punctuation) for line in f for w in line.split())
        return cn.most_common()