新手求助，PYTHON处理.txt 文件问题

我想有一个程序把一篇中文文章或书籍的字列出来。每个字的使用次数。每次使用所在的句子。然后按照拼音顺序排序输出到一个文件里。

目前统计字频部分已经写好了。如下：
# -*- encoding: gbk -*-

def is_chinese(uchar):
        """判断一个unicode是否是汉字"""
        if uchar >= u'\u4E00' and uchar <= u'\u9FA5':
            return True
        else:
            return False

def count_chinese_word(filepath, encoding):
    _dict = {}
    try:
        with open (filepath, 'r') as txt_file:
            for line in txt_file:
                ustr = line.decode(encoding)
                for uchar in ustr:
                    if is_chinese(uchar):
                        if _dict.has_key(uchar):
                            _dict[uchar] = _dict[uchar] + 1
                        else:
                            _dict[uchar] = 1
    except IOError as ioerr:
        print "文件",filepath,"不存在"

    return _dict

if __name__ == '__main__':
    _dict = count_chinese_word('内容.txt', 'gbk')

    import json
    print json.dumps(_dict, encoding = "utf-8", indent = 4, ensure_ascii = False)


但是我不太会如何输出每个字每次使用所在的句子，求教吧里各位大神。万分感谢

简单处理的话，可以把ustr看作字所在的句子。夏杂的话，需要实现断句，挺麻烦，用正则表达式或pyparsing吧

whydo1 发表于 2016-10-10 22:35
简单处理的话，可以把ustr看作字所在的句子。夏杂的话，需要实现断句，挺麻烦，用正则表达式或pyparsing吧 ...

小弟初学。您知道怎么使用正则或者pyparsing吗

中文分词，当然要用大名鼎鼎的jieba包！  

一点都简单 发表于 2016-10-11 14:02
中文分词，当然要用大名鼎鼎的jieba包！

大神能给个例子吗

这里有一段代码你可以试试.作者是参考《Natural Language Processing with Python》的英文分句方法来做的。

1. #! /usr/bin/env python2.7
   
2. #coding=utf-8
   
3. 
   
4. 
   
5. 
   
6. def cut_sentence_new(words):
   
7.     # words = (words).decode('utf8')
   
8.     start = 0
   
9.     i = 0
   
10.     sents = []
    
11. 
    
12.     punt_list = ',.!?:;~，。！？：；～'.decode('utf8')
    
13.     for word in words:
    
14.         if word in punt_list and token not in punt_list: #检查标点符号下一个字符是否还是标点
    
15.             sents.append(words[start:i+1])
    
16.             start = i+1
    
17.             i += 1
    
18.         else:
    
19.             i += 1
    
20.             token = list(words[start:i+2]).pop() # 取下一个字符
    
21.     if start < len(words):
    
22.         sents.append(words[start:])
    
23.     return sents

复制代码

顶

吧里大神帮我看看吧。谢谢啦