jieba用起来非常简单，短短几行代码就完成了分词工作(下图)，可是...仔细一看发现哪里不对了

“段誉”作为一个姓名没有被单独分出来，而是和其他一些动词连在一起，另外也有一些角色名字被拆分成了两个甚至更多的单词，例如“神仙姊姊”被分成了“神仙”和“姊姊”两个词。

不过这也难怪，中文的灵活性太强，一个词往往有多层含义和多种用法，看来直接使用jieba分词还是会有不小的误差，我们得想办法来解决这个问题，不然会对分析结果造成干扰。

现在是不是有一种“我为刀俎，它为鱼肉”的感觉了。经过简单的数据处理，我们得到了每个人物的名字在小说中出现的频次，由于萧峰和乔峰是同一个人，为了方便统计将两个名字的出场次合并。

然后取出场率排名前30位的角色数据，用图表的形式展示出来。

其实《天龙八部》的中心思想就是“求不得”：

段誉不想学武功却练成了绝世神通

一心追求王语嫣最终美人对慕容复不离不弃

萧峰立志保卫大宋没想到自己居然是契丹人

决定与阿朱塞外牧马，然而造化弄人，心爱的人却死在自己手上

这里我们仅提取词长度不小于4的成语、俗语和短语进行分析。同时，考虑到某些人名(例如：上官婉儿、澹台灭明)等专有名词会对分析结果造成干扰，在分词取词的时候可以一并过滤掉，最终得到这样一份词语文件：

2.云图

对用词习惯的分析更倾向于定性分析，我们这里使用词云图来作展示，首先绘制《萍踪侠影录》的词云图。

我们可以看到在这篇小说中“微微一笑”、“哈哈大笑”、“大吃一惊”、“非同小可”等词语使用频率非常高，再来看另一部作品《女帝奇英传》，词云图如下：

进群：125240963   即可获取数十套PDF哦！

如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！