一、环境准备
安装Python：
确保已安装Python 3.x环境；
安装必要库：
通过`pip`安装`jieba`（用于分词）和`matplotlib`（用于可视化）。
二、基础方法：字典统计
读取文本：
使用`open（）`函数读取中文文本文件；
分词处理：
利用`jieba.lcut（）`进行精确分词；
统计词频：
通过字典记录每个词的出现次数，并排序输出。
示例代码：
```python
import jieba
from collections import Counter
读取文本文件
with open('text.txt', 'r', encoding='utf-8') as file:
text = file.read()
分词
words = jieba.lcut(text)
过滤单字词
words = [word for word in words if len(word) > 1]
统计词频
counter = Counter(words)
排序并输出前10个高频词
for word, freq in counter.most_common(10):
print(f"{word}: {freq}")
```
三、进阶方法：使用`Counter`简化统计
`Counter`是Python内置的计数工具，可简化词频统计过程。
示例代码：
```python
import jieba
from collections import Counter
with open('text.txt', 'r', encoding='utf-8') as file:
text = file.read()
words = jieba.lcut(text)
filtered_words = [word for word in words if len(word) > 1]
top_words = Counter(filtered_words).most_common(10)
for word, freq in top_words:
print(f"{word}: {freq}")
```
四、扩展功能：去除停用词
停用词（如“的”“了”“在”等）会影响统计结果，可结合自定义停用词表进行过滤。
示例代码：
```python
import jieba
from collections import Counter
加载自定义停用词表
stop_words = set(open('stopwords.txt', 'r', encoding='utf-8').read().split())
with open('text.txt', 'r', encoding='utf-8') as file:
text = file.read()
words = jieba.lcut(text)
filtered_words = [word for word in words if len(word) > 1 and word not in stop_words]
top_words = Counter(filtered_words).most_common(10)
for word, freq in top_words:
print(f"{word}: {freq}")
```
五、结果可视化（可选）
使用`matplotlib`绘制词频分布图。
示例代码：
```python
import jieba
from collections import Counter
import matplotlib.pyplot as plt
with open('text.txt', 'r', encoding='utf-8') as file:
text = file.read()
words = jieba.lcut(text)
filtered_words = [word for word in words if len(word) > 1]
counter = Counter(filtered_words)
top_words = counter.most_common(50)
绘制词云（需安装wordcloud库）
from wordcloud import WordCloud
import matplotlib.pyplot as plt
wordcloud = WordCloud(width=800, height=400, background_color='white').generate_from_frequencies(counter)
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()
```
六、注意事项
编码问题：
确保文本文件使用`utf-8`编码，避免乱码；
分词模式选择：
`jieba`支持精确模式（`cut_all=False`）和全模式（`cut_all=True`），根据需求选择；
性能优化：
处理大文件时，可考虑使用生成器或并行处理提升效率。
通过以上方法，可灵活实现中文高频词统计，并根据需求进行扩展和优化。
