- 统计各书卷中出现词语的词频
- 统计各书卷中出现词语的TF-IDF值
- 统计占篇幅前80%的词语在圣经中首次出现的书卷名称
- 统计各书卷的篇幅占比分布
- 由书卷中出现词语的词频，大致可看出该词语的重要性
- 由书卷中出现词语的TF-IDF值，大致可看出该词语在该卷数的独特重要性
- 由书卷的篇幅占比分布，可以大致看出该卷书在整本圣经中的重要性
- Function: 抽取各书卷英文名称缩写
- Input:
- bible-book-names.txt文件，包含中英文书卷名称及缩写
- Output:
- OT-list.txt: 旧约英文书卷名缩写列表
- NT-list.txt: 新约英文书卷名缩写列表
- book2filename.txt: 新旧约英文书卷名缩写与文件命名的对应列表
- Function: 统计各书卷中出现词语的词频
- Input:
- book2filename.txt: 新旧约英文书卷名缩写与文件命名的对应列表
- bible-hhb.txt: 和合本圣经
- Output:
- bible-hhb-split.txt: 和合本圣经及分词结果
- output_file_tf: 各书卷的词频统计结果
- Function: 统计整本圣经、旧约圣经及新约圣经的词频
- Input:
- OT-list.txt: 旧约英文书卷名缩写列表
- NT-list.txt: 新约英文书卷名缩写列表
- bible-hhb.txt: 和合本圣经
- Output:
- output_file_tf/holy_bible.txt: 整本圣经的词频统计
- output_file_tf/old_testament.txt: 旧约圣经的词频统计
- output_file_tf/new_testament.txt: 新约圣经的词频统计
- Function: 统计各书卷中出现词语的TF-IDF值
- Input:
- output_file_tf: 各书卷的词频统计结果
- book2filename.txt: 新旧约英文书卷名缩写与文件命名的对应列表
- Output:
- output_file_tfidf: 各书卷的反词频统计结果
- Function: 统计占篇幅前80%的词语在圣经中首次出现的书卷名称
- Input:
- output_file_tf: 各书卷的词频统计结果
- book2filename.txt: 新旧约英文书卷名缩写与文件命名的对应列表
- Output:
- appear_1st_time.csv: 占篇幅前80%的词语在圣经中首次出现的书卷名称
- Function: 统计各书卷的篇幅占比分布
- Input:
- bible-book-names.txt文件，包含中英文书卷名称及缩写
- OT-list.txt: 旧约英文书卷名缩写列表
- NT-list.txt: 新约英文书卷名缩写列表
- bible-hhb.txt: 和合本圣经
- Output:
书卷篇幅占排序列表，详见文件proportion_rank.csv
| 序号 | 书卷 | 字数 | 占比 |
|---|---|---|---|
| 1 | 诗篇 | 55535 | 5.96% |
| 2 | 耶利米书 | 51181 | 5.49% |
| 3 | 创世记 | 45191 | 4.85% |
| 4 | 以赛亚书 | 44306 | 4.76% |
| 5 | 以西结书 | 43385 | 4.66% |
| ... | ... | ... | ... |
- UTF-8格式编码中行首可能会有一个不可见字符,可以转化为UTF-8无BOM格式编码再进行处理
- 为使jieba分词能将圣经的人名、地名分出来，特别将它们定义为自定义的词典文件user.dict
- 由于圣经书卷不完全按时间顺序排列，因此词语在圣经中首次出现的书卷名称并不代表是最早出现的时间
- 本项目的功能分析，仅供参考
- 圣经人地名之人名(1153个): http://www.godcom.net/rdm/r/
- 圣经人地名之地名(1829个): http://www.godcom.net/rdm/di/
- 圣经中人物名字意义: http://www.godcom.net/zhuti/81.htm
