Python找出檔案中使用率最高的漢字執行個體詳解

本文執行個體講述了Python找出檔案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，我並沒在排序完後再去掉非中文字元，稍微會影響效能（大約增加了25％的時間）。

# -*- 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：

# -*- 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）：

# -*- 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者效能幾乎一樣，結果如下：

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模組的成績：

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

註：測試檔案為778KB的GBK編碼，40餘萬字。

希望本文所述對大家的Python程式設計有所協助。

