【文件属性】：
文件名称：wordfrequencies:使用电影和电视字幕计算单词的频率
文件大小：10KB
文件格式：ZIP
更新时间：2021-06-28 19:09:24
词频
一组计算英语单词使用频率的工具。 使用电影和电视中的字幕作为数据源。
原创创意：Brysbaert & New,
数据源
首先，您需要从下载 OpenSubtitles 英文数据。 Open Corpus 从获取数据。 如果您使用这些数据，请考虑支持该网站。
您可以从这里获取 XML 格式的 2012 标记化语料库文件：
警告：2012 en.tar.gz为 11 GB，已压缩。
下载数据后，解压缩其内容，即很多目录中的很多 .gz 文件。 在这些工具起作用之前，您需要解压缩您感兴趣的 xml 文件。
安装
从 GitHub 克隆：
git clone git@github.com:WordsAPI/wordfrequencies.git
用法
去重.js
来自 Open Corpus 的数据被分解成这样的目录：
OpenSubtitles2012/en/{year
【文件预览】：
wordfrequencies-master
----spellingFilter.js(3KB)
----cleaner.js(2KB)
----package.json(311B)
----counter.js(1KB)
----Readme.md(4KB)
----frequencyCounter.js(5KB)
----deduper.js(1KB)
----merger.js(1KB)
----.gitignore(577B)
----stats.js(1KB)