python进行中文字频、高频字覆盖率统计

题目：用python统计《孟子》总体长度、字种、字频、高频字覆盖率。

《孟子》全文下载：点击下载

高频字：字频>=500的字

本题有三个地方要注意：

1、《孟子》中含有大量的标点符号，统计时应该把它们排除在外。

2、统计字频、高频字覆盖率是难点。

3、如何用相对直观、好看的方式打印输出结果。

源代码：

#《孟子》总体长度
f = open('ex_menzi.txt', 'r', encoding='utf-8')
text=f.read()
for ch in "《》，。：!‧「」『』〈〉；﹖.！ \n？":
    text = text.replace(ch, "")                  # 去掉文章的标点符号
print("《孟子》的总体长度：", len(text))

#《孟子》字种
result = set(text)
print("《孟子》的字种:\n", result)
print("《孟子》的字种总长:", len(result))

#《孟子》字频
my_dict={}
for char in text:
    if char in my_dict:
        my_dict[char] = my_dict[char]+1
    else:
        my_dict[char] = 1

#《孟子》高频字的覆盖率
rate = {}                                        # 创建字典，储存每个高频字及其对应的覆盖率
number = 0                                       # 统计所有高频字出现的总次数
for word in my_dict.keys():
    if my_dict.get(word, 0) >= 500:              # 高频字字频>=500
        rate[word] = my_dict.get(word, 0)/len(text)
        number = number + my_dict.get(word, 0)
    else:
        continue

# 输出高频字覆盖率
items = list(rate.items())                       # 返回所有的键值对
print("每个高频字的覆盖率如下：")
for i in range(len(items)):
    word, count = items[i]
    print(word, "  ", '%.2f%%' % (count * 100))  # 打印每个高频字及其覆盖率
print("高频字总覆盖率是:")
print('%.2f%%' % (number/len(text) * 100))       # 打印高频字的总覆盖率

代码运行后的结果：