是不是想用一种简单的方法检测多个文本中,每个文本出现最多的词?是不是感觉好像不是很难,但真的去敲的时候又无从下手?别慌别慌,你可能还不了解Python有一个扩展包,名字叫jieba,对就是结巴,结巴,恩jieba,ORZ,ORZ,ORZ,也不知道是哪个大佬开发的,反正就是好用得很,jieba有很强大的功能,它是一个分词工具,对词的操作很全
你电脑上应该装Python了吧?建议你装Python3以上的,毕竟有人一直在维护新的,首先按win+R,再敲个cmd进入命令行操作,输入pip install jieba,你的电脑就自动下载好了这个扩展包,记住哈,pip install 可以下载大部分玩Python时你想要的扩展包,记好了。
扩展包下载好之后,你就可以在你的sublime或者其他的开发工具上运行下面的代码了
# -*- coding: utf-8 -*-
import os, codecs
import jieba
from collections import Counter
def get_words(txt): #获取关键词函数
seg_list = jieba.cut(txt)
c = Counter()
for x in seg_list:
if len(x) > 1 and x != '\r\n':
c[x] += 1
print('常用词频度统计结果')
for (k,v) in c.most_common(100):
file = open(r'C:\Users\ASUS\Desktop\3.txt', 'a') #打开一个文件
file.write(str(c.most_common(8)))
file.write('\n')
# for (k,v) in c.most_common(5): 必要的话,你可以把这个多行注释给去掉
# print('%s%s %s %d' % (' '*(5-len(k)), k, '*'*int(v/3), v))
# file.write(' %s %d' % (k, v))
# print(' %s %d' % (k, v),end='')
if __name__ == '__main__':
for info in os.listdir(r'C:\Users\ASUS\Desktop\《儿女英雄传》对比'): #有没有感觉Python很强?直接循环一个文件夹
domain = os.path.abspath(r'C:\Users\ASUS\Desktop\《儿女英雄传》对比') # 获取文件夹的路径,此处其实没必要这么写,目的是为了熟悉os的文件夹操作
info = os.path.join(domain, info) # 将路径与文件名结合起来就是每个文件的完整路径,假设info是txt文件,那么执行完这一步之后info变成了C:\Users\ASUS\Desktop\《儿女英雄传》对比\XXX.txt
info = open(info, 'r') # 读取文件内容
txt = info.read() # read获取文件全部信息;
get_words(txt)
info.close() #关闭文件
运行完代码之后有没有达到你想要的效果呢?