有这样的爬虫么, 可以爬英文的文档中的单词并统计每个单词在文档出现的次数?

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2349 天前的主题，其中的信息可能已经有所发展或是发生改变。

单词

文档

爬虫

英文

18 条回复 • 2018-06-20 17:10:37 +08:00

ChangQin

2018-06-20 08:57:10 +08:00

有，go 程序设计语言前几节就有这个 demo

jiezhi

2018-06-20 09:01:02 +08:00

python 入门里也有这个 demo 吧

xy2401

2018-06-20 09:01:56 +08:00

mark。我之前想统计比如 spring 文档里面的高频词汇，感觉需求类似

yuanfnadi

2018-06-20 09:02:11 +08:00 via iPhone

Java 入门时候写过类似 demo

lhx2008

2018-06-20 09:03:36 +08:00 via Android

读进来切一下，python 可以用 counter，java 可以用 stream

NaVient

2018-06-20 09:03:40 +08:00

python --> from collections import Counter

qilishasha

2018-06-20 09:09:43 +08:00

数组长度数组长度

kingname

2018-06-20 10:18:18 +08:00

请看这篇文章： https://kingname.info/2017/12/10/use-fsm/

laoyuan

2018-06-20 10:26:14 +08:00

手写原生

simapple

2018-06-20 10:31:28 +08:00

nltk

soho176

2018-06-20 10:45:39 +08:00

是准备统计最近十年高考英语卷，出现频率高的单词吗？

fengche361

2018-06-20 10:59:52 +08:00

爬取+分词+wordcount ？

yuriko

2018-06-20 11:04:34 +08:00

第一反应是 MapReduce 的范例……

hyi

2018-06-20 11:19:29 +08:00

学 python 时写过一个统计英文 txt 单词词频的 python 小脚本，用的是 nltk 库，你可以参考下思路，https://github.com/Hangyi/parse_words_frequency

jyf

2018-06-20 11:32:09 +08:00

主流的爬虫一般都会统计词频因为有个流行的算法 TF-IDF 就是拿词频作为计算基础的

woscaizi

2018-06-20 11:46:23 +08:00

写过一个类似的东西，是统计小说中 2 到 5 字的词语出现的次数，没有考虑是否是有意义的词的情况
https://github.com/pandaTED/zhihuSpider/blob/master/src/main/java/cn/panda/hello/Hello.java

Tink

2018-06-20 12:14:02 +08:00 via iPhone

这点功能不如手写

geying

2018-06-20 17:10:37 +08:00

@yuriko +1