实现文本文件“corpus.txt”内容的读取，结合jieba实现关键词提取（top20）,并对提取的关键词进行向量化： 要求： 1. 使用jieba库 2. 使用sk-learn库 3. 需要加载停用词表“stopword.txt”

要实现这个功能，你可以按照以下步骤操作：

1. **安装依赖库**:
- 如果还没有安装`jieba`，可以使用`pip install jieba`。
- 对于文本处理和向量化，需要`sklearn`，已经包含了`TfidfVectorizer`等工具，如果你还没安装，可以运行`pip install scikit-learn`。

2. **读取文件内容**:

   with open('corpus.txt', 'r', encoding='utf-8') as file:
       text_content = file.read()

3. **关键词提取（使用jieba）**:

   import jieba.analyse
   stop_words = set() # 加载停用词表
   with open('stopword.txt', 'r', encoding='utf-8') as stopwords_file:
       for word in stopwords_file:
           stop_words.add(word.strip())
   
   keywords = jieba.analyse.extract_tags(text_content, topK=20, withWeight=True, stop_words=stop_words)

4. **转换关键词到向量（使用sk-learn）**:

   from sklearn.feature_extraction.text import TfidfVectorizer

   vectorizer = TfidfVectorizer()
   keyword_vectors = vectorizer.fit_transform([' '.join(keyword[0] for keyword in keywords)])

5. **查看结果**:
可能会得到一个稀疏矩阵，代表每个关键词的重要程度，你可以通过索引来获取每个关键词及其对应的TF-IDF值。

print(vectorizer.get_feature_names_out())  # 输出关键词列表
print(keyword_vectors.toarray())  # 输出关键词向量