python求解用jieba分词处理一段剧本文字本次实验所给的数据有：等待戈多.txtstopwords.txt本次使用的数据为剧本《等待戈多》。详细数据见附带的文档，每一行为剧本中的一个元素。剧本... python求解 用jieba分词处理一段剧本文字本次实验所给的数据有：
本次使用的数据为剧本《等待戈多》。详细数据见附带的文档，每一行为剧本中的一个元素。剧本经过了部分简化处理，主要有两种格式的数据。
弗拉季米尔：光一个人，是怎么也受不了的。（略停。兴高采烈地）另一方面，这会儿泄气也不管用了，这是我要说的。我们早想到这一点就好了，在世界还年轻的时候，在九十年代。
[爱斯特拉冈坐在一个低低的土墩上，想脱掉靴子。他用两手使劲拉着，直喘气。他停止拉靴子，显出精疲力竭的样子，歇了会儿，又开始拉靴子。
一种为人物+中文冒号+台词的形式。
另一种为剧本中的其他内容，转场词、场景描述等语句。
2. 学会使用jieba分词对中文句子进行分词，输入一个中文字符串，能够得到字符串分词之后的列表。
3. 读取剧本，找出和上述例子二中相似的句子（即不含中文冒号的句子）。构建一个字典类型的数据结构，用来进行词的数目的统计。使用jieba进行分词之后，使用字典统计每个词出现的次数。命名为others字典。最后格式如下：
4. 读取剧本，找出和上述例子一中相似的句子（包含中文冒汗的句子）。分词每句台词，提取出说台词的角色名称。结合步骤3中构建词语频率统计的方法，对每个角色所说的话里出现的词的数目进行统计，最后构造一个角色词频字典，命名为human对象。格式如下：
5. 结合步骤3、4中构造的两个字典对象，构造一个名称为story的字典对象，存储步骤3、步骤4中的两个字典。格式如下：

6. 使用python中的json库，将步骤5中的字典对象保存为story_no_stop.json文件名的json格式文件，并使用文本编辑器打开查看文件内容。

7. 使用python读取存储的json文件内容，恢复为字典文件story，输出恢复的对象的内容。
8. 输出每个角色对应的词频排名前5的词，输出others中排名前5的词，格式如下（图中为已经去除停用词的结果）：

9. 输出排名前10的词。

可选中1个或多个下面的关键词，搜索相关资料。也可直接点“搜索资料”搜索整个问题。