根据关键词文本文档A中的关键词，在文本B中提取A内所有关键词前后4个字，并生成新的文本文档，python代码怎么写

以下是Python代码示例：

import re

# 读取文本A和文本B
with open('textA.txt', 'r', encoding='utf-8') as f:
    keywords = f.read().splitlines()

with open('textB.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 提取关键词前后4个字
pattern = r'(.{0,4})(' + '|'.join(keywords) + r')(.{0,4})'
matches = re.findall(pattern, text)

# 生成新的文本文档
with open('newText.txt', 'w', encoding='utf-8') as f:
    for match in matches:
        f.write(match[0] + match[1] + match[2] + '\n')

这段代码首先读取文本A和文本B，然后使用正则表达式提取文本B中所有包含文本A中关键词的字符串，并将其前后4个字写入新的文本文档。

相关问题

根据关键词文本文档A，对文件夹B中各文本文档进行关键词词频统计，并且生成excel表，该excel表以文件夹B中各文本文档名称为列，以文档A中各关键词为行，python代码怎么写

以下是Python代码示例，可以实现对文件夹B中各文本文档进行关键词词频统计，并生成excel表：

import os
import pandas as pd
from collections import Counter

# 定义文本文档A的路径和关键词列表
text_a_path = 'path/to/text_a.txt'
keywords = ['keyword1', 'keyword2', 'keyword3']

# 定义文件夹B的路径
folder_b_path = 'path/to/folder_b'

# 定义一个空的字典，用于存储各文本文档的关键词词频统计结果
result_dict = {}

# 遍历文件夹B中的所有文本文档
for filename in os.listdir(folder_b_path):
    if filename.endswith('.txt'):
        file_path = os.path.join(folder_b_path, filename)
        with open(file_path, 'r', encoding='utf-8') as f:
            # 读取文本内容
            text = f.read()
            # 对文本内容进行关键词词频统计
            counter = Counter(text.split())
            # 将统计结果存入字典中
            result_dict[filename] = [counter[keyword] for keyword in keywords]

# 将字典转换成DataFrame，并设置列名和行名
df = pd.DataFrame.from_dict(result_dict, orient='index', columns=keywords)
df.index.name = 'filename'

# 将DataFrame保存为excel表格
df.to_excel('result.xlsx')

需要注意的是，这段代码中并没有对文本文档A进行处理，而是直接使用了预定义的关键词列表。如果需要从文本文档A中提取关键词，可以使用一些自然语言处理工具，比如jieba分词库。

python示例代码提取文本中的关键词

### 回答1：
在 Python 中提取文本中的关键词可以使用第三方库来实现。

一种常用的库是 `jieba`。使用这个库，你可以使用 `jieba.analyse.extract_tags` 函数来提取文本中的关键词。

例如：

import jieba
import jieba.analyse

text = '这是一段文本，我们想要从中提取关键词'

# 提取关键词，设置数量为 3
keywords = jieba.analyse.extract_tags(text, topK=3)

print(keywords)

输出结果为：

['关键词', '文本', '提取']

你也可以设置关键词提取的其他参数，如使用自定义词典或停用词列表等。具体可以参考 `jieba.analyse.extract_tags` 函数的文档。

此外，还有许多其他可用于提取关键词的库，如 `gensim`、`pytextrank` 等。你可以根据自己的需要选择合适的库来实现。

### 回答2：
Python可以使用多种方式来提取文本中的关键词，以下是一个示例代码：

import jieba
from collections import Counter

def extract_keywords(text, n=5):
    # 使用结巴分词对文本进行分词
    seg_list = jieba.cut(text)
    
    # 去除停用词
    stopwords = ['的', '了', '是', '和', '在', '可以']  # 可根据实际情况添加停用词
    seg_list = [word for word in seg_list if word not in stopwords]
    
    # 使用Counter统计分词出现的频次
    word_counts = Counter(seg_list)
    
    # 提取前n个出现频次最高的词作为关键词
    keywords = word_counts.most_common(n)
    
    return keywords

text = '这是一个示例文本，用于演示Python提取关键词的方法。'

keywords = extract_keywords(text, 5)
print(keywords)

上述代码通过使用`jieba`库对文本进行分词，可以根据需要添加自定义的停用词列表。然后使用`Counter`统计分词出现的频次，最后提取出现频次最高的前n个词作为关键词。在示例中，默认提取频次最高的5个词作为关键词。

注意，此示例使用的是中文分词，若需处理其他语言的文本，则需要选择适当的分词库，并进行相应的设置调整。

### 回答3：
在Python中，我们可以使用关键词提取库来提取文本中的关键词。其中，最常用的关键词提取库是`jieba`，它是基于Python的中文分词工具。

首先，我们需要安装`jieba`库，可以使用以下命令在终端中安装：

pip install jieba

安装完成后，我们可以编写以下示例代码来提取文本中的关键词：

import jieba
import jieba.analyse

text = "欢迎使用Python编程语言，它是一种非常强大的语言。"

# 使用jieba分词
seg_list = jieba.cut(text, cut_all=False)

# 将分词结果转化为字符串
seg_str = " ".join(seg_list)

# 使用jieba.analyse.extract_tags()提取关键词
keywords = jieba.analyse.extract_tags(seg_str, topK=5)

# 打印提取的关键词
for keyword in keywords:
    print(keyword)

在以上示例代码中，我首先导入`jieba`和`jieba.analyse`库。然后，我定义了一个文本变量`text`，它包含要提取关键词的文本内容。

接下来，我使用`jieba.cut()`函数对文本进行分词，该函数返回一个生成器，生成分词结果。然后，我通过`" ".join(seg_list)`将分词结果转化为字符串。

最后，我使用`jieba.analyse.extract_tags()`函数提取关键词，其中`topK`参数表示要提取的关键词数量。我通过for循环遍历提取的关键词，并打印出来。

通过上述代码，我们就可以方便地提取文本中的关键词了。需要注意的是，在使用`jieba`库时，我们也可以自定义字典或停用词表来提高关键词提取的准确性。