with open("C:\\Users\\26212\\Desktop\\file.txt", 'w', encoding='utf-8') as f:为什么会报错expected an indented block

这个错误通常是因为在代码中缺少了一个缩进。在Python中，缩进非常重要，它用于表示代码块的开始和结束。如果缺少缩进或者缩进不正确，就会导致IndentationError错误。

你提供的代码中，第一行是没有问题的，但是第二行似乎没有缩进。你需要在第二行之前添加一个缩进，例如：

with open("C:\\Users\\26212\\Desktop\\file.txt", 'w', encoding='utf-8') as f:
    # 在这里编写你要执行的代码

注意，在上面的代码中，第二行之前有一个缩进，这样就可以避免IndentationError错误了。

相关问题

import os import pdfplumber # 文本保存目录 txts_dir = "./Users/hh/Desktop/python/fileshunan" for path in os.listdir(files_dir): if os.path.isfile(os.path.join(files_dir, path)): file = os.path.join(files_dir, path) print(file) if file.endswith(".pdf"): with pdfplumber.open(file) as pdf: txt_file = open(txts_dir + path[0:-4] + ".txt", mode='w', encoding='utf-8') for page in pdf.pages: txt_file.write(page.extract_text()) elif file.endswith(".html"): soup = BeautifulSoup(open(file, encoding='utf-8')) with open(txts_dir + path[0:-5] + ".txt", mode='w', encoding='utf-8') as txt_file: txt_file.write(soup.get_text()) #将文件保存为文本

根据你提供的代码，你似乎想要将保存在文件夹中的 PDF 和 HTML 文件转换为文本文件。你使用了 `pdfplumber` 库来处理 PDF 文件，并使用 BeautifulSoup 库处理 HTML 文件。

首先，请确保你已经导入了以下库：

import os
import pdfplumber
from bs4 import BeautifulSoup

然后，你可以使用以下代码将文件转换为文本：

# 文本保存目录
txts_dir = "/Users/hh/Desktop/python/fileshunan/"

for path in os.listdir(files_dir):
    if os.path.isfile(os.path.join(files_dir, path)):
        file = os.path.join(files_dir, path)
        print(file)
        if file.endswith(".pdf"):
            with pdfplumber.open(file) as pdf:
                txt_file = open(txts_dir + path[0:-4] + ".txt", mode='w', encoding='utf-8')
                for page in pdf.pages:
                    txt_file.write(page.extract_text())
                txt_file.close()
        elif file.endswith(".html"):
            soup = BeautifulSoup(open(file, encoding='utf-8'), 'lxml')
            with open(txts_dir + path[0:-5] + ".txt", mode='w', encoding='utf-8') as txt_file:
                txt_file.write(soup.get_text())

在上述代码中，我们首先定义了保存文本文件的目录路径 `txts_dir`。

然后，我们使用 `os.listdir()` 函数遍历指定文件夹中的文件。对于每个文件，我们使用 `os.path.isfile()` 函数来判断是否为文件，并使用 `os.path.join()` 函数获取完整路径。

如果文件是以 `.pdf` 结尾的 PDF 文件，我们使用 `pdfplumber.open()` 函数打开 PDF 文件，并使用循环遍历每个页面。我们使用 `page.extract_text()` 方法提取页面的文本内容，并将其写入到以原文件名为基础的新文本文件中。

如果文件是以 `.html` 结尾的 HTML 文件，我们使用 BeautifulSoup 打开文件并解析 HTML 内容。然后，我们使用 `soup.get_text()` 方法获取 HTML 的纯文本内容，并将其写入到以原文件名为基础的新文本文件中。

请确保你已经设置好了 `txts_dir` 变量，它指定了保存文本文件的目录路径。

请注意，以上代码仅供参考，并需要根据你的实际文件路径和需求进行适当的修改。另外，记得导入所需的库。

如果你有任何进一步的问题，请随时提问。

import jieba import wordcloud import imageio mask = imageio.imread('C:/Users/Febird/Desktop/1.png') #设定一个词云背景 with open('C:/Users/Febird/Desktop/傲世.txt', encoding='utf-8') as f: t = f.read() # 打开需要制作词云图的文件 ls = jieba.lcut(t) txt = " ".join(ls) # 将文章中的词组提出来 stopwords_file = open('C:/Users/Febird/Desktop/stopWord.txt', 'r', encoding='utf-8') stopwords = [(words.strip()) for words in stopwords_file.readlines()] w = wordcloud.WordCloud(width=4000, height=4000, stopwords=stopwords, font_path="msyh.ttc", colormap='hot', background_color='pink', mask=mask) # 定义一个词云 w.generate(txt) #生成词云 w.to_file(r'C:/Users/Febird/Desktop/test_3.png') #将词组变量txt导入词云对象w中并保存 添加代码 完成排名前五十个词的词云

在代码中添加以下部分可以完成排名前五十个词的词云：

from collections import Counter

# 统计词频
words_count = Counter(ls)
# 获取词频前50的词及其频次
top50_words = words_count.most_common(50)

# 将排名前50的词转换为一个字符串
top50_str = ""
for word, count in top50_words:
    top50_str += (word + " ") * count

# 生成词云
w.generate(top50_str)

完整代码如下：

import jieba
import wordcloud
import imageio
from collections import Counter

mask = imageio.imread('C:/Users/Febird/Desktop/1.png')

with open('C:/Users/Febird/Desktop/傲世.txt', encoding='utf-8') as f:
    t = f.read()

ls = jieba.lcut(t)
txt = " ".join(ls)

stopwords_file = open('C:/Users/Febird/Desktop/stopWord.txt', 'r', encoding='utf-8')
stopwords = [(words.strip()) for words in stopwords_file.readlines()]

w = wordcloud.WordCloud(width=4000, height=4000,
                        stopwords=stopwords,
                        font_path="msyh.ttc",
                        colormap='hot',
                        background_color='pink',
                        mask=mask)

# 统计词频
words_count = Counter(ls)
# 获取词频前50的词及其频次
top50_words = words_count.most_common(50)

# 将排名前50的词转换为一个字符串
top50_str = ""
for word, count in top50_words:
    top50_str += (word + " ") * count

# 生成词云
w.generate(top50_str)

w.to_file(r'C:/Users/Febird/Desktop/test_3.png')