Python找出文件中使用率最高的汉字实例详解
本文实例讲述了Python找出文件中使用率最高的汉字的方法。分享给大家供大家参考。具体分析如下：
这是我初学Python时写的，为了简便，我并没在排序完后再去掉非中文字符，稍微会影响性能（大约增加了25％的时间）。
#-*-coding:gbk-*-
importcodecs
fromtimeimporttime
fromoperatorimportitemgetter
deftop_words(filename,size=10,encoding='gbk'):
count={}
forlineincodecs.open(filename,'r',encoding):
forwordinline:
ifu'\u4E00'<=word<=u'\u9FA5'oru'\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)forword,timesintop_words])
begin=time()
top_words('空之境界.txt')
print'一共耗时:%s秒'%(time()-begin)
如果想用上新方法，以及让join的可读性更高的话，这样也是可以的：
#-*-coding:gbk-*-
importcodecs
fromtimeimporttime
fromoperatorimportitemgetter
fromheapqimportnlargest
deftop_words(filename,size=10,encoding='gbk'):
count={}
forlineincodecs.open(filename,'r',encoding):
forwordinline:
ifu'\u4E00'<=word<=u'\u9FA5'oru'\uF900'<=word<=u'\uFA2D':
count[word]=1+count.get(word,0)
top_words=nlargest(size,count.iteritems(),key=itemgetter(1))
forword,timesintop_words:
printu'%s:%s次'%(word,times)
begin=time()
top_words('空之境界.txt')
print'一共耗时:%s秒'%(time()-begin)
或者让行数更少（好囧的列表综合）：
#-*-coding:gbk-*-
importcodecs
fromtimeimporttime
fromoperatorimportitemgetter
deftop_words(filename,size=10,encoding='gbk'):
count={}
forwordin[wordforwordincodecs.open(filename,'r',encoding).read()ifu'\u4E00'<=word<=u'\u9FA5'oru'\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)forword,timesintop_words])
begin=time()
top_words('空之境界.txt')
print'一共耗时:%s秒'%(time()-begin)
此外还可以引入with语句，这样只需一行就能获得异常安全性。
3者性能几乎一样，结果如下：
的:17533次 是:8581次 不:6375次 我:6168次 了:5586次 一:5197次 这:4394次 在:4264次 有:4188次 人:4025次 一共耗时:0.5秒
引入psyco模块的成绩：
的:17533次 是:8581次 不:6375次 我:6168次 了:5586次 一:5197次 这:4394次 在:4264次 有:4188次 人:4025次 一共耗时:0.280999898911秒
注：测试文件为778KB的GBK编码，40余万字。
希望本文所述对大家的Python程序设计有所帮助。