实例需求:产品清单如A列所示,现在如下统计多单词组合词组词频。
在上一篇博客中《使用VBA快速统计词组词频(多单词组合)(1/2)》讲解了如何实现双词的词频统计。
本文将讲解如何实现3词的词频统计,掌握实现方法之后,可以很容易地将代码扩展到实现更多单词词频统计,实现的效果如下图所示。
Sub Count3Words()
Dim oDic1 As Object, oDic2 As Object, oDic3 As Object
Dim aProd, vProd, aWord, vWord, vKey, arrData
Dim i As Long, sKey As String
Set oDic1 = CreateObject("scripting.dictionary") ' product list by ONE word
Set oDic2 = CreateObject("scripting.dictionary") ' product list by TWO words
Set oDic3 = CreateObject("scripting.dictionary") ' product list by THREE words
arrData = Range("A1").CurrentRegion.Value
For i = LBound(arrData) + 1 To UBound(arrData)
aWord = Split(arrData(i, 1))
If UBound(aWord) > 1 Then
For Each vWord In aWord
If oDic1.exists(vWord) Then
oDic1(vWord) = oDic1(vWord) & "," & arrData(i, 1)
Else
oDic1(vWord) = arrData(i, 1)
End If
Next
End If
Next i
For Each vKey In oDic1.keys
aProd = Split(oDic1(vKey), ",")
For Each vProd In aProd
aWord = Split(vProd)
For Each vWord In aWord
If vWord <> vKey Then
sKey = SortWord(vKey & " " & vWord)
If oDic2.exists(sKey) Then
If InStr(1, oDic2(sKey), vProd, vbTextCompare) = 0 Then
oDic2(sKey) = oDic2(sKey) & "," & vProd
End If
Else
oDic2(sKey) = vProd
End If
End If
Next
Next
Next
For Each vKey In oDic2.keys
aProd = Split(oDic2(vKey), ",")
For Each vProd In aProd
aWord = Split(vProd)
For Each vWord In aWord
If InStr(1, vKey, vWord, vbTextCompare) = 0 Then
sKey = SortWord(vKey & " " & vWord)
If oDic3.exists(sKey) Then
If InStr(1, oDic3(sKey), vProd, vbTextCompare) = 0 Then
oDic3(sKey) = oDic3(sKey) & "," & vProd
End If
Else
oDic3(sKey) = vProd
End If
End If
Next
Next
Next
For Each vKey In oDic3.keys
oDic3(vKey) = UBound(Split(oDic3(vKey), ",")) + 1
Next
Range("D:E").Clear
Range("D1:E1").Value = Array("Word Pair", "Times")
Range("D2").Resize(oDic3.Count, 1) = Application.Transpose(oDic3.keys)
Range("E2").Resize(oDic3.Count, 1) = Application.Transpose(oDic3.items)
End Sub
Function SortWord(ByVal sText As String) As String
Dim i As Long, j As Long, aWord, sTmp As String
aWord = Split(sText)
If UBound(aWord) = 0 Then
SortWord = sText
Else
For i = LBound(aWord) To UBound(aWord) - 1
For j = i + 1 To UBound(aWord)
If aWord(i) > aWord(j) Then
sTmp = aWord(i): aWord(i) = aWord(j): aWord(j) = sTmp
End If
Next
Next
SortWord = Join(aWord)
End If
End Function
【代码解析】
对于代码中和 上一篇博客 相同的部分,此处就不做赘述。
第9~20行代码将根据每个单词(产品名称拆分)合并产品名称清单,保存在oDic1
。
第21~38行代码将根据双词合并产品名称清单,保存在oDic2
。
此处实现逻辑比双词要更复杂,例如:对于两个单词sWord1和sWord2,只有如下两种两种组合方式:
sWord1 sWord2
sWord2 sWord1
但是对于3个单词sWord1、sWord2和sWord3,有如下6种组合方式,但是这些组合包含的单词相同的,其词频统计的结果也是相同的,为了避免统计结果中的重复,需要对于单词组合进行排序,也就是说使用排序后的单词组合作为字典对象的键,确保单词组合的唯一性,如果使用升序排列,那么将采用第一种组合方法作为键。其中排序由自定义函数SortWord
实现。
sWord1 sWord2 sWord3
sWord1 sWord3 sWord3
sWord2 sWord1 sWord3
sWord2 sWord3 sWord1
sWord3 sWord1 sWord2
sWord3 sWord2 sWord1
第39~56行代码将根据3词合并产品名称清单,保存在oDic3
。
第44行代码判断单词是否存在与vKey中,避免3个单词组合中出现重复的单词。
第45行代码调用自定义函数将3个单词进行排序生成字典的键。
第46~52行代码更新oDic3
中的键值对。
第57~59行代码根据字典对象中产品名称清单,统计3词组合的词频。
第60~63行代码将统计结果输出到工作表中。
第65~80行代码为自定义函数SortWord
。
第67行代码使用空格作为分隔符将参数sText拆分为数组。
如果拆分后数组只有单个元素,说明sText不包含空格,那么无需进行排序,第68行代码将sText设置为函数返回值。
第71~77行代码使用冒泡法进行排序。
第74行代码实现数据组元素交换。
第78行代码将排序的数组元素合并为一个字符串。