python代码，基于 TextRank 算法的文本摘要

TextRank 算法是一种用于文本摘要的有效方法。它通过构建文本中词语之间的关系图，并在图中运用 PageRank 算法来计算每个词语的重要性，从而找出文本中最重要的句子。

下面是一个使用 TextRank 算法实现文本摘要的示例代码：

import nltk
import re
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from sklearn.feature_extraction.text import TfidfVectorizer

def summarize(text, n):
    # 去除文本中的标点符号
    text = re.sub('[^a-zA-Z]', ' ', text)
    # 转换为小写
    text = text.lower()
    # 分词
    words = word_tokenize(text)
    # 去除停用词
    words = [word for word in words if word not in stopwords.words('english')]
    # 构建词语之间的关系图
    word_graph = nx.Graph()
    # 添加节点
    word_graph.add_nodes_from(words)
    # 添加边
    for i in range(len(words) - 1):
        word_graph.add_edge(words[i], words[i + 1])
    # 计算每个节点的 PageRank 值
    scores = nx.pagerank(word_graph)
    # 按照 PageRank 值排序
    ranked_sentences = sorted(((scores[i], s) for i, s in enumerate(sentences)), reverse=True)
    # 返回最重要的 n 个句子
    return [ranked_sentences[i][1] for i in range(n)]

在这个代码中，我们首先对文本进行分词，并去除停用词，然后构建词语之间的关系图，并计算每个节点的 PageRank 值。最后，我们按照 PageRank 值将句子