暑假开始了，除了要出去转转祖国大好山河旅游以外，还要在编程的世界中旅游一番。
上个寒假已经给他培训过python的基础知识，认识了变量、列表、函数、类，但孩子最感兴趣的还是turtle模块，可以画各种有趣的图形。
这个暑假，就要用python做点实际小项目了，打算做数据分析、画图和做游戏的案例。首先从数据分析开始，了解什么是自然语言处理，简单来说，就是让计算机具备文字阅读能力，可以帮助人们处理各种文档，提高效率，降低成本。比如分析海量的商品评论，可以挖掘用户对本商品哪里不满意，帮助商家提高产品品质。如果靠人工分析商品评论得到商品满意度和具体哪里需要改进，那成本可就太大了。还比如可以用户画像，匹配招聘者与用人单位。还比如可以机器翻译，使计算机能够理解文本含义达到意译的程度。

接着是自然语言处理工具的介绍，国内的有哈工大语言云LTP，中科院的NLPIR，国外的有结巴分词，snownlp。但综合起来，还是jieba工具更简单易用。本次案例分析就以jieba工具为主。
最后，给他介绍了jieba模块的导入import jieba，jieba模块的分词模式jieba.cut()，让他自己照着模板敲了几句代码，可以把任何几句话分成词语的组合。
看到他自己敲代码还挺兴奋的。时间大概30min，以闲扯的方式讲解，就当玩了。下次课做李白诗词的数据分析。

上次课已经简单介绍了自然语言处理的有力工具jieba。这次课以李白的诗词为数据源，进行分析和统计字频。
首先准备好李白写过的所有诗词，放在一个txt文件中，起名为libai.txt，我找到了700多首放在了TXT中。据说李白写过1000多首诗，他活了61岁，平均一年20首左右，产量实在太惊人了。
接着，了解本次课要讲得读文件（open(filenamer, "r").read()），写文件（open(filenamew, "w")）和字典知识{"李白":775,"万里":25,"云":540}。
基础知识有了，本次程序实现的步骤是：1读文件，把李白诗词读取到一个变量中；2把李白诗词按字拆分，拆分的结果是字和字频，以字典形式存储；3字典按照字频排序；4把这个字典写入到txt文中。
最后开始敲代码，关键代码如下：
#1读取文件
article = open(filenamer, "r").read()
#2拆分字，按字典形式存储
for i in article: resoult[i]=article.count(i)

#3保存结果

for k in resoult1: output_0.write(str(k))
全部敲完，大概13句代码。但要理解意思，并学会修改不是那么容易。不过步骤和代码都有了，孩子可以明天再试试对杜甫或者王维的诗歌继续分字，统计字频了。
结果如下：

这些时间大概1个多小时。从结果看，李白很自恋啊，白这个字出现那么多次，接着就是云、天、山和风等。看来以景抒情挺多的，浪漫主义诗人吗。
孩子学习刚开始还有困难，但慢慢理解了，就能越做越快了。世上任何旅程都得一步一个脚印的走下去，走远了，回首才有意义，不知不觉走了那么多路，经过了那么多地方，领略了那么多风景。

今天在李白诗词分析字频基础上，让孩子准备好杜甫诗词txt，然后修改昨天代码，得出杜甫诗词常用字和字频。
结果尴尬了，打开杜甫txt文件，居然读取不了，说编码错误。我开始找问题，李白诗词没有问题，杜甫的就出问题了？一点一点找，发现有个字，“”出问题了，识别不了。我估计这个字没有被中文编码，删除这个字，读文件也修改了一下，把编码错误全忽略掉：
with open('dufu.txt', encoding='gb18030', errors='ignore') as fr:
别的也没有时间说了，又给他简单介绍下，用列表怎么保存字和字频，选择排序是怎么回事，今天草草结束。