软工作业3—词频统计

一、案例课程分析

1.编译环境

pycharm2018、python3.7

2.读文件到缓存区（process_file(dst)）

def process_file(dst):  # 读文件到缓冲区
    try:  # 打开文件
        f = open(dst, 'r')  # dst为文本的目录路径
    except IOError as s:
        print(s)
        return None
    try:  # 读文件到缓冲区
        bvffer = f.read()
    except:
        print('Read File Error!')
        return None
    f.close()
    return bvffer

3.处理缓冲区,返回存有词频数据的字典（process_buffer(bvffer))

def process_buffer(bvffer):
    if bvffer:
        word_freq = {}  # 下面添加处理缓冲区 bvffer代码，统计每个单词的频率，存放在字典word_freq
        bvffer = bvffer.lower()  # 将文本内容都改为小写
        for ch in '“‘!;,.?”':  # 除去文本中的中英文标点符号
            bvffer = bvffer.replace(ch, " ")
        words = bvffer.strip().split()
        # strip()删除空白符（包括'/n', '/r','/t'）；split()以空格分割字符串
        for word in words:
            word_freq[word] = word_freq.get(word, 0)   1
        return word_freq

4.输出词频前十的单词(output_result(world_freq))

def output_result(word_freq):
    if word_freq:
        # 根据v[1]即词频数量排序
        sorted_word_freq = sorted(word_freq.items(), key=lambda v: v[1], reverse=True)
        for item in sorted_word_freq[:10]:  # 输出 Top 10 的单词
            print("词:%-5s 频:%-4d " % (item[0], item[1]))

5.主函数对之前的函数进行整合(main())

   if __name__ == "__main__":   dst = 'src/Gone_with_the_wind.txt'  # 《飘》文件的路径   bvffer = process_file(dst)   word_freq = process_buffer(bvffer)   output_result(word_freq)

6.性能分析

为了方便测试，将原来的运行词频的代码卸载main函数中

def main():
    dst = 'Gone_with_the_wind.txt'  # 《飘》文件的路径
    bvffer = process_file(dst)
    word_freq = process_buffer(bvffer)
    output_result(word_freq)
主函数入口改为性能分析的代码

if __name__ == "__main__":
    cProfile.run("main()", "result")
    # 把分析结果保存到文件中,不过内容可读性差...需要调用pstats模块分析结果
    p = pstats.Stats("result")  # 创建Stats对象
    p.strip_dirs().sort_stats("call").print_stats()  # 按照调用的次数排序
    p.strip_dirs().sort_stats("cumulative").print_stats()  # 按执行时间次数排序
    # 根据上面2行代码的结果发现函数process_buffer最耗时间
    p.print_callees("process_buffer")  # 查看process_buffer()函数中调用了哪些函数

二、程序运行命令、运行结果截图

《飘》文本文件的词频统计运行截图

 

三、性能分析结果及改进

1.总运行时间

 

2.执行次数最多的部分代码

 

3.执行时间最多的部分代码

来源：http://www.icode9.com/content-4-44951.html