考生文件夹下，存在2个Python源文件和1个文本文件。其中，2个Python源文件对应2个问题，文本文件
“data.txt” 中包含一篇从互联网上下载的关于“德国工业4.0战略规划实施建议摘要”的文章。请分别补充2个
Python源文件，完成以下功能。
问题1:文件内容清洗。要求:在文件PY301-1.py中补充代码，对文件da.txt的内容进行清理，去除中文
标点符号，只保留中文、英文、数字、英文标点符号等字符，将结果输出到文件clean.txt中。示列如下:
德国工业4.0战略计划实施建议摘编机械工业信息研究院战略与规化研究所-德国实施工业… (略)
问题2:提取主题词及其出现频次。要求:在文件PY301-2.py中补 充代码，提取clean.txt文 件中长度不少于
3个字符的词语并统计词频，将词频最高的10个词语作为主题词，并将主题词及其频次输出到屏幕。示例如
下:
4.0:10,制造业.9…(略)
注意:输出格式采用英文冒号和英文逗号，标点符号前后无空格，各词语中间用逗号分隔，最后一个词
语后无逗号。
参考答案
- import jieba
- fi=open("clean.txt","r",encoding='utf-8')
- data=fi.read()
- fi.close()
- ls=jieba.lcut(data)
- d = {}##d:{'4.0': 80, '研究院': 1,... }
- for i in ls:
- if len(i)>=3:
- d[i]=d.get(i,0)+1
- lt = list(d.items())
- lt.sort(key = lambda x:x[1],reverse = True)
- #lt:[('4.0', 80), ('CPS', 19)...]
- s=""
- for l in lt[:10]:
- s+="{}:{},".format(l[0],l[1])
- print(s.rstrip(","))
