立即前往

活动

天翼云最新优惠活动,涵盖免费试用,产品折扣等,助您降本增效!
查看全部活动
热门活动
  • 智算采购季 热销S6云服务器2核4G限时88元/年起,部分主机可加赠对象存储组合包!
  • 免费体验DeepSeek,上天翼云息壤 NEW 新老用户均可免费体验2500万Tokens,限时两周
  • 云上钜惠 HOT 爆款云主机全场特惠,更有万元锦鲤券等你来领!
  • 算力套餐 HOT 让算力触手可及
  • 天翼云脑AOne NEW 连接、保护、办公,All-in-One!
  • 一键部署Llama3大模型学习机 0代码一键部署,预装最新主流大模型Llama3与StableDiffusion
  • 中小企业应用上云专场 产品组合下单即享折上9折起,助力企业快速上云
  • 息壤高校钜惠活动 NEW 天翼云息壤杯高校AI大赛,数款产品享受线上订购超值特惠
  • 天翼云电脑专场 HOT 移动办公新选择,爆款4核8G畅享1年3.5折起,快来抢购!
  • 天翼云奖励推广计划 加入成为云推官,推荐新用户注册下单得现金奖励
免费活动
  • 免费试用中心 HOT 多款云产品免费试用,快来开启云上之旅
  • 天翼云用户体验官 NEW 您的洞察,重塑科技边界

智算服务

打造统一的产品能力,实现算网调度、训练推理、技术架构、资源管理一体化智算服务
智算云(DeepSeek专区)
科研助手
  • 算力商城
  • 应用商城
  • 开发机
  • 并行计算
算力互联调度平台
  • 应用市场
  • 算力市场
  • 算力调度推荐
一站式智算服务平台
  • 模型广场
  • 体验中心
  • 服务接入
智算一体机
  • 智算一体机
大模型
  • DeepSeek-R1-昇腾版(671B)
  • DeepSeek-R1-英伟达版(671B)
  • DeepSeek-V3-昇腾版(671B)
  • DeepSeek-R1-Distill-Llama-70B
  • DeepSeek-R1-Distill-Qwen-32B
  • Qwen2-72B-Instruct
  • StableDiffusion-V2.1
  • TeleChat-12B

应用商城

天翼云精选行业优秀合作伙伴及千余款商品,提供一站式云上应用服务
进入甄选商城进入云市场创新解决方案
办公协同
  • WPS云文档
  • 安全邮箱
  • EMM手机管家
  • 智能商业平台
财务管理
  • 工资条
  • 税务风控云
企业应用
  • 翼信息化运维服务
  • 翼视频云归档解决方案
工业能源
  • 智慧工厂_生产流程管理解决方案
  • 智慧工地
建站工具
  • SSL证书
  • 新域名服务
网络工具
  • 翼云加速
灾备迁移
  • 云管家2.0
  • 翼备份
资源管理
  • 全栈混合云敏捷版(软件)
  • 全栈混合云敏捷版(一体机)
行业应用
  • 翼电子教室
  • 翼智慧显示一体化解决方案

合作伙伴

天翼云携手合作伙伴,共创云上生态,合作共赢
天翼云生态合作中心
  • 天翼云生态合作中心
天翼云渠道合作伙伴
  • 天翼云代理渠道合作伙伴
天翼云服务合作伙伴
  • 天翼云集成商交付能力认证
天翼云应用合作伙伴
  • 天翼云云市场合作伙伴
  • 天翼云甄选商城合作伙伴
天翼云技术合作伙伴
  • 天翼云OpenAPI中心
  • 天翼云EasyCoding平台
天翼云培训认证
  • 天翼云学堂
  • 天翼云市场商学院
天翼云合作计划
  • 云汇计划
天翼云东升计划
  • 适配中心
  • 东升计划
  • 适配互认证

开发者

开发者相关功能入口汇聚
技术社区
  • 专栏文章
  • 互动问答
  • 技术视频
资源与工具
  • OpenAPI中心
开放能力
  • EasyCoding敏捷开发平台
培训与认证
  • 天翼云学堂
  • 天翼云认证
魔乐社区
  • 魔乐社区

支持与服务

为您提供全方位支持与服务,全流程技术保障,助您轻松上云,安全无忧
文档与工具
  • 文档中心
  • 新手上云
  • 自助服务
  • OpenAPI中心
定价
  • 价格计算器
  • 定价策略
基础服务
  • 售前咨询
  • 在线支持
  • 在线支持
  • 工单服务
  • 建议与反馈
  • 用户体验官
  • 服务保障
  • 客户公告
  • 会员中心
增值服务
  • 红心服务
  • 客户支持计划
  • 专家技术服务
  • 备案管家

了解天翼云

天翼云秉承央企使命,致力于成为数字经济主力军,投身科技强国伟大事业,为用户提供安全、普惠云服务
品牌介绍
  • 关于天翼云
  • 智算云
  • 天翼云4.0
  • 新闻资讯
  • 天翼云APP
基础设施
  • 全球基础设施
  • 产品能力
  • 信任中心
最佳实践
  • 精选案例
  • 超级探访
  • 云杂志
  • 分析师和白皮书
  • 天翼云·创新直播间
市场活动
  • 2025智能云生态大会
  • 2024智算云生态大会
  • 2023云生态大会
  • 2022云生态大会
  • 天翼云中国行
天翼云
  • 活动
  • 智算服务
  • 产品
  • 解决方案
  • 应用商城
  • 合作伙伴
  • 开发者
  • 支持与服务
  • 了解天翼云
    • 关系数据库SQL Server版
    • 企业主机安全
    • 云防火墙
    • CDN加速
    • 物理机
    • GPU云主机
    • 天翼云电脑(政企版)
    • 天翼云电脑(公众版)
    • 云主机备份
    • 弹性云主机
      搜索发现
      关系数据库SQL Server版企业主机安全云防火墙CDN加速物理机GPU云主机天翼云电脑(政企版)天翼云电脑(公众版)云主机备份弹性云主机
    • 文档
    • 控制中心
    • 备案
    • 管理中心
    • 登录
    • 免费注册

    使用Python统计小说语言描写的字数

    首页 知识中心 软件开发 文章详情页

    使用Python统计小说语言描写的字数

    2024-04-25 09:04:29 阅读次数:45

    java,python,服务器

    说明:最早出现这个需求,来自博主阅读《罪与罚》,书中陀思妥耶夫斯基有太多的语言描述,以至于我想知道这本书中到底出现了多少对白。文本介绍如果使用python程序统计一本书中的对话,角色名称,标点符号。

    找到文件

    首先,需要找到你要统计的小说文本文件,如下,分别是《罪与罚》、《白鹿原》两本书的文本文件。

    使用Python统计小说语言描写的字数

    设置统计清单

    如果是统计语言描写是不需要的,但如果你需要统计小说中的角色名称,那就需要把角色名称的姓名都罗列出来,当然越多越准确,如下:

    # 《白鹿原》中的角色名称
    nameTwo = [
        "白灵",
        "皮匠",
        "鹿三",
        "黑娃",
        "兔娃",
        "郑芒",
        "方升"
    ]
    
    nameThree = [
        "白嘉轩",
        "白秉德",
        "白赵氏",
        "吴仙草",
        "白孝文",
        "白孝武",
        "白孝义",
        "朱先生",
        "鹿泰恒",
        "鹿子霖",
        "鹿兆鹏",
        "鹿兆海",
        "冷先生",
        "鹿惠氏",
        "田小蛾",
        "郭举人",
        "白嘉道",
        "吴长贵",
        "岳维山",
        "胡县长",
        "田福贤",
        "白兴儿",
        "韩裁缝",
        "彭县长",
        "梁县长",
        "郝县长",
        "高玉凤",
        "鹿兆谦",
    ]
    

    按照角色名称的长度来分。《罪与罚》中的姓名大多是XXX·XXX,反正是统计长度,拆开成两部分即可,如下:

    # 《罪与罚》中的角色名称
    nameTwo = [
        "罗佳",
        "卢任",
        "谢苗",
        "科赫",
        "伊万",
        "彼得",
        "莉达"
    ]
    
    nameThree = [
        "罗季昂",
        "阿廖娜",
        "罗季卡",
        "帕申卡",
        "杜尼娅",
        "玛尔法",
        "米季卡",
        "尼古拉",
        "米科拉",
        "杜什金",
        "科利亚",
        "波莉娅",
        "波莲卡",
        "廖尼娅",
        "索尼娅",
        "索菲娅",
        "福米奇",
        "伊利亚",
        "瓦赫鲁",
    ]
    nameFour = [
        "娜塔利娅",
        "莉扎薇塔",
        "扎哈雷奇",
        "杜涅奇卡",
        "卡捷琳娜",
        "阿玛莉娅",
        "阿尔卡季",
        "拉祖米欣",
        "索涅奇卡",
        "德米特里",
        "波列奇卡",
        "切巴罗夫",
        "克留科夫",
        "尼科季姆",
        "米科尔卡",
        "德米特里",
        "莉多奇卡",
        "扎苗托夫",
        "亚历山大",
        "阿凡纳西",
        "波尔菲里",
    ]
    …………
    

    编码

    代码思想是:

    统计对话,当遇到文本中的左引号时,表示这是语言描写,标记为对话开始;当遇到文本中的右引号时,表示这是对话结束。以此来统计语言描写。

    统计文本中的角色姓名,通过角色名称的长度,分长度去遍历文本,如果符合该长度的字符串,在角色名称列表中,说明这是一个角色名称,则统计下来,存入到一个字典中,字典的键为角色名称,值为出现的数量。

    统计文本的标点符号,则是通过判断该字符是否处于汉字区间即可,不包括0-9的数字,因为一般文学作品中的数字也会用大写汉字来表示,如一、二、三……,当然,也不绝对。

    # 文件路径
    path = r"C:\Users\10765\Desktop\books\zuiyufa.txt"
    
    # 总字数统计
    sumStr = ""
    
    # 临时字数统计
    tempStr = []
    
    nameTwo = [
        "罗佳",
        "卢任",
        "谢苗",
        "科赫",
        "伊万",
        "彼得",
        "莉达"
    ]
    
    nameThree = [
        "罗季昂",
        "阿廖娜",
        "罗季卡",
        "帕申卡",
        "杜尼娅",
        "玛尔法",
        "米季卡",
        "尼古拉",
        "米科拉",
        "杜什金",
        "科利亚",
        "波莉娅",
        "波莲卡",
        "廖尼娅",
        "索尼娅",
        "索菲娅",
        "福米奇",
        "伊利亚",
        "瓦赫鲁",
    ]
    nameFour = [
        "娜塔利娅",
        "莉扎薇塔",
        "扎哈雷奇",
        "杜涅奇卡",
        "卡捷琳娜",
        "阿玛莉娅",
        "阿尔卡季",
        "拉祖米欣",
        "索涅奇卡",
        "德米特里",
        "波列奇卡",
        "切巴罗夫",
        "克留科夫",
        "尼科季姆",
        "米科尔卡",
        "德米特里",
        "莉多奇卡",
        "扎苗托夫",
        "亚历山大",
        "阿凡纳西",
        "波尔菲里",
    ]
    nameFive = [
        "罗曼诺维奇",
        "伊万诺芙娜",
        "叶戈罗芙娜",
        "娜斯塔西娅",
        "帕夫洛芙娜",
        "扎尔尼岑娜",
        "扎哈罗维奇",
        "彼特罗维奇",
        "谢苗诺芙娜",
        "费多罗芙娜",
        "普莉赫里娅",
        "阿芙多季娅",
        "罗曼诺芙娜",
        "伊万诺维奇",
        "彼特罗芙娜",
        "弗拉祖米欣",
        "赫鲁维莫夫",
        "杰缅季耶夫",
        "尼科拉什卡",
    ]
    nameSix = [
        "普拉斯科维娅",
        "马尔梅拉多夫",
        "利佩韦赫泽尔",
        "普罗科菲伊奇",
        "托尔斯佳科夫",
        "米哈依洛维奇"
    ]
    
    nameSeven = [
        "佩斯特里亚科夫",
        "拉斯科利尼科夫",
        "娜斯塔西尤什卡",
        "亚历山德罗芙娜",
        "拉斯科利尼科娃",
        "斯维德里盖洛娃",
        "斯维德里盖洛夫",
        "格里戈里耶维奇",
        "卡佩尔纳乌莫夫",
    ]
    
    # 统计人物名字数目
    dic = {}
    
    # 统计人物名字数目
    nameSum = 0
    
    # 统计对话字数
    wordSum = 0
    
    # 标记对话开始标记
    flag = False
    
    # 输出文件名
    print("《罪与罚》:")
    
    # 读取文件
    with open(path, "r", encoding="utf-8", errors="ignore") as f:
        sumStr = f.read()
    
    # 输出原著总字符数
    print("原著总字符数:%d个" % (sumStr.__len__()))
    
    # 统计人物名字为两个字的数目
    for i in sumStr:
        tempStr.append(i)
        if tempStr.__len__() == 2:
            s = "".join(tempStr)
            if s in nameTwo and s not in dic:
                dic[s] = 1
                tempStr.clear()
            elif s in nameTwo and s in dic:
                dic[s] = dic[s] + 1
                tempStr.clear()
            elif s not in nameTwo:
                del tempStr[0]
    
    # 统计人物名字为三个字的数目
    for i in sumStr:
        tempStr.append(i)
        if tempStr.__len__() == 3:
            s = "".join(tempStr)
            if s in nameThree and s not in dic:
                dic[s] = 1
                tempStr.clear()
            elif s in nameThree and s in dic:
                dic[s] = dic[s] + 1
                tempStr.clear()
            elif s not in nameThree:
                del tempStr[0]
    
    # 统计人物名字为四个字的数目
    for i in sumStr:
        tempStr.append(i)
        if tempStr.__len__() == 4:
            s = "".join(tempStr)
            if s in nameFour and s not in dic:
                dic[s] = 1
                tempStr.clear()
            elif s in nameFour and s in dic:
                dic[s] = dic[s] + 1
                tempStr.clear()
            elif s not in nameFour:
                del tempStr[0]
    
    # 统计人物名字为五个字的数目
    for i in sumStr:
        tempStr.append(i)
        if tempStr.__len__() == 5:
            s = "".join(tempStr)
            if s in nameFive and s not in dic:
                dic[s] = 1
                tempStr.clear()
            elif s in nameFive and s in dic:
                dic[s] = dic[s] + 1
                tempStr.clear()
            elif s not in nameFive:
                del tempStr[0]
    
    # 统计人物名字为六个字的数目
    for i in sumStr:
        tempStr.append(i)
        if tempStr.__len__() == 6:
            s = "".join(tempStr)
            if s in nameSix and s not in dic:
                dic[s] = 1
                tempStr.clear()
            elif s in nameSix and s in dic:
                dic[s] = dic[s] + 1
                tempStr.clear()
            elif s not in nameSix:
                del tempStr[0]
    
    # 统计人物名字为七个字的数目
    for i in sumStr:
        tempStr.append(i)
        if tempStr.__len__() == 7:
            s = "".join(tempStr)
            if s in nameSeven and s not in dic:
                dic[s] = 1
                tempStr.clear()
            elif s in nameSeven and s in dic:
                dic[s] = dic[s] + 1
                tempStr.clear()
            elif s not in nameSeven:
                del tempStr[0]
    
    # 统计人物名字数目总数
    for i in dic:
        nameSum = nameSum + (i.__len__() * dic[i])
    
    print("人物名字数目:%d个" % nameSum)
    
    # 左引号数目
    markLeft = 0
    
    # 右引号数目
    markRight = 0
    
    # 统计对话字数
    for i in sumStr:
        if i == "“":
            flag = True
            markLeft = markLeft + 1
        elif i == "”":
            flag = False
            wordSum = wordSum - 1
            markRight = markRight + 1
        if flag:
            wordSum = wordSum + 1
    
    print("对话字数:%d个" % wordSum)
    
    for i in sumStr:
        if i < "\u4e00" or i > "\u9fa5":
            sumStr = sumStr.replace(i, "")
    
    print("去掉标点符号:%d个" % sumStr.__len__())
    
    

    运行如下

    《罪与罚》的统计如下:
    使用Python统计小说语言描写的字数

    《白鹿原》的统计如下(更换一下文件和角色名称列表即可):

    使用Python统计小说语言描写的字数
    可以看到,《罪与罚》中的对话达到了惊人的22万字,与之相比,总字数差不多的《白鹿原》只有12万不到。

    版权声明:本文内容来自第三方投稿或授权转载,原文地址:https://blog.csdn.net/qq_42108331/article/details/132516884,作者:何中应,版权归原作者所有。本网站转在其作品的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如因作品内容、版权等问题需要同本网站联系,请发邮件至ctyunbbs@chinatelecom.cn沟通。

    上一篇:声明式注解对XXL-JOB的定时任务代码生效吗?

    下一篇:Java面试题 -Kafka

    相关文章

    2025-04-22 09:40:08

    【ETL工具】kettle 程序报错 Javascript error: TypeError: Cannot call method “trim“ of null

    【ETL工具】kettle 程序报错 Javascript error: TypeError: Cannot call method “trim“ of null

    2025-04-22 09:40:08
    java , javascript , org
    2025-04-18 07:11:19

    一致性哈希算法介绍

    hash(散列、杂凑)函数,是将任意长度的数据映射到有限长度的域上。直观解释起来,就是对一串数据m进行杂糅,输出另一段固定长度的数据h,作为这段数据的特征(指纹)

    2025-04-18 07:11:19
    一致性 , 哈希 , 服务器 , 算法 , 节点
    2025-04-18 07:10:53

    LDAP基础理论

    分布式目录服务是一种用于存储和管理大量数据的系统,其中数据以层次结构的方式组织,并在多个服务器之间进行分布。它提供了一种集中式访问和管理数据的方法,使得用户可以通过网络连接到任何一个服务器来查询、添加、修改或删除存储在该目录中的信息。

    2025-04-18 07:10:53
    LDAP , 分布式 , 属性 , 服务器 , 用户 , 目录
    2025-04-18 07:10:38

    学习 SSR(Server-Side Rendering)的心得和体会

    在现代的前端开发中,性能优化和用户体验始终是核心考量之一。而在众多优化策略中,服务器端渲染(Server-Side Rendering,简称SSR)是一个重要的概念。

    2025-04-18 07:10:38
    优化 , 客户端 , 服务器 , 服务器端 , 渲染 , 缓存
    2025-04-15 09:24:56

    Redis多级缓存指南:从前端到后端全方位优化!

    在现代互联网应用中,高性能和高可用性是两个非常重要的目标。为了达到这些目标,我们通常会使用缓存技术,其中 Redis 是一种非常受欢迎的缓存中间件。

    2025-04-15 09:24:56
    内存 , 存储 , 数据 , 服务器 , 浏览器 , 磁盘 , 缓存
    2025-04-15 09:20:33

    初学Java,List和ListIterator(二十八)

    List代表的是一个有序的集合,每一个元素都有一个对应索引。List是Collection的子接口,所以Collection的所有方法都可以调用,另外也有它自身的方法。

    2025-04-15 09:20:33
    Arrays , java , List , Struts2
    2025-04-15 09:20:33

    初学Java,IO之文件过滤器(四十)

    初学Java,IO之文件过滤器(四十)

    2025-04-15 09:20:33
    File , java , 文件夹 , 方法
    2025-04-15 09:20:22

    初学Java,IO之使用转换流,读取键盘输入(四十三)

    初学Java,IO之使用转换流,读取键盘输入(四十三)

    2025-04-15 09:20:22
    buffer , import , java , string
    2025-04-15 09:20:07

    初学Java,IO之File用法(三十九)

    初学Java,IO之File用法(三十九)

    2025-04-15 09:20:07
    class , java
    2025-04-15 09:19:55

    初学Java,集合类的排序,查找,替换操作(三十五)

    初学Java,集合类的排序,查找,替换操作(三十五)

    2025-04-15 09:19:55
    java , list , 排序 , 替换 , 查找
    查看更多
    推荐标签

    作者介绍

    天翼云小翼
    天翼云用户

    文章

    32777

    阅读量

    4831297

    查看更多

    最新文章

    【ETL工具】kettle 程序报错 Javascript error: TypeError: Cannot call method “trim“ of null

    2025-04-22 09:40:08

    初学Java,List和ListIterator(二十八)

    2025-04-15 09:20:33

    初学Java,IO之文件过滤器(四十)

    2025-04-15 09:20:33

    初学Java,IO之使用转换流,读取键盘输入(四十三)

    2025-04-15 09:20:22

    初学Java,IO之File用法(三十九)

    2025-04-15 09:20:07

    初学Java,集合类的排序,查找,替换操作(三十五)

    2025-04-15 09:19:55

    查看更多

    热门文章

    JAVA__接口的作用

    2023-04-18 14:14:13

    Java学习之算术运算符两只老虎

    2023-04-19 09:23:13

    Linux实用命令authconfig和authconfig-tui(备忘)

    2023-03-16 07:49:58

    Python高级变量类型

    2024-09-24 06:30:08

    排序算法Java版-归并排序算法

    2023-04-24 11:25:19

    python学习——面向对象编程

    2023-04-25 10:20:57

    查看更多

    热门标签

    java Java python 编程开发 开发语言 代码 算法 线程 html Python 数组 C++ javascript c++ 元素
    查看更多

    相关产品

    弹性云主机

    随时自助获取、弹性伸缩的云服务器资源

    天翼云电脑(公众版)

    便捷、安全、高效的云电脑服务

    对象存储

    高品质、低成本的云上存储服务

    云硬盘

    为云上计算资源提供持久性块存储

    查看更多

    随机文章

    利用Java流进行类的整型字段求和的例子

    java 对比文件 md5实现秒传

    Java switch 语句使用 String 参数

    创建Django项目和模型(创建工程、子应用、设置pycharm环境、使用Django进行数据库开发的步骤)

    IDEA 无法 debug 调试 Java Web 项目

    使用Python扩展PAM(part 2)

    • 7*24小时售后
    • 无忧退款
    • 免费备案
    • 专家服务
    售前咨询热线
    400-810-9889转1
    关注天翼云
    • 权益商城
    • 天翼云APP
    • 天翼云微信公众号
    服务与支持
    • 备案中心
    • 售前咨询
    • 智能客服
    • 自助服务
    • 工单管理
    • 客户公告
    • 涉诈举报
    账户管理
    • 管理中心
    • 订单管理
    • 余额管理
    • 发票管理
    • 充值汇款
    • 续费管理
    快速入口
    • 权益商城
    • 文档中心
    • 最新活动
    • 免费试用
    • 信任中心
    • 天翼云学堂
    云网生态
    • 甄选商城
    • 渠道合作
    • 云市场合作
    了解天翼云
    • 关于天翼云
    • 天翼云APP
    • 服务案例
    • 新闻资讯
    • 联系我们
    热门产品
    • 云电脑
    • 弹性云主机
    • 云电脑政企版
    • 天翼云手机
    • 云数据库
    • 对象存储
    • 云硬盘
    • Web应用防火墙
    • 服务器安全卫士
    • CDN加速
    热门推荐
    • 云服务备份
    • 边缘安全加速平台
    • 全站加速
    • 安全加速
    • 云服务器
    • 云主机
    • 智能边缘云
    • 应用编排服务
    • 微服务引擎
    • 共享流量包
    更多推荐
    • web应用防火墙
    • 密钥管理
    • 等保咨询
    • 安全专区
    • 应用运维管理
    • 云日志服务
    • 文档数据库服务
    • 云搜索服务
    • 数据湖探索
    • 数据仓库服务
    友情链接
    • 中国电信集团
    • 189邮箱
    • 天翼企业云盘
    • 天翼云盘
    ©2025 天翼云科技有限公司版权所有 增值电信业务经营许可证A2.B1.B2-20090001
    公司地址:北京市东城区青龙胡同甲1号、3号2幢2层205-32室
    • 用户协议
    • 隐私政策
    • 个人信息保护
    • 法律声明
    备案 京公网安备11010802043424号 京ICP备 2021034386号