东风何处是人间（ruby版）_Ruby_编程开发_程序员俱乐部

在今年3月份的，就看到这个帖子《东风何处是人间》了，对宋词进行分词计数，当时就保存了这个帖子，想以后有时间写个ruby版的。后来就忘记了
近期这个帖子大火啊，也终于抽出时间写ruby版的了。
个人水平有限，程序写的很糟糕，至少比原文的看着复杂多了，不知道是否能有ruby高手给大家写个示例。

数据：《全宋词》文本

#coding: utf-8
require "iconv"

s1 = Iconv.conv 'gbk','utf-8',"，"
s2 = Iconv.conv 'gbk','utf-8',"。"
s3 = Iconv.conv 'gbk','utf-8',"！"
s4 = Iconv.conv 'gbk','utf-8',"？"
s5 = Iconv.conv 'gbk','utf-8',"、"

NUM1 = 2  #分词长度
NUM2 =500  #显示大于多少的记录

def splitword(s,l)    #分词，x是字符串，l是字符分词长度
  lt  = s.length
  k = Array.new
  0.upto(lt-l) do |i| 
    k<<s[i..i+l-1]
  end
  return k
end

x = Array.new     #记录分词结果的数组

File.open("ci.txt","r") do |file| 
  file.each do |line|
    if line.length<500 and line.length>10
      line.gsub!(s2,s1)     #把标点都替换为"，"，再统一进行分割
      line.gsub!(s3,s1)
      line.gsub!(s4,s1)
      line.gsub!(s5,s1)
      line.chomp!
      column = line.split(s1)       #用逗号分割
      column.delete_if {|i| i.length >10 } #去除大于10个字的语句
      column.each do |col| 
        splitword(col,NUM1).each{|i| x<<i}  if col.length>=NUM1 # 分词
      end  
    end
  end 
end 

h = Hash.new
h = x.inject(Hash.new(0)){|hash,x| hash[x] += 1; hash} #把数组内容进行计数为hash
h.delete_if {|key, value| value <NUM2}               #去除hash中小于指定数值的部分

y = Array.new
y  = h.sort {|a,b| b[1]<=>a[1]}                      # 从大到小排序
y.each_index {|i| puts "#{i+1} #{y[i][0]} = #{y[i][1]}" }