用python批量对txt文件进行去除停用词,分词和统计词频的详细代码,可以直接运行。并把输出的结果放进excel

时间: 2024-03-05 18:52:48 浏览: 27
好的,以下是用Python批量对txt文件进行去除停用词,分词和统计词频的详细代码,并将结果输出到Excel的步骤: 首先需要安装以下Python库: - jieba(用于中文分词) - openpyxl(用于操作Excel文件) 可以通过以下命令进行安装: ``` pip install jieba openpyxl ``` 接下来是代码部分,注释已加入代码中,直接运行即可: ```python import os import jieba import openpyxl from openpyxl.utils import get_column_letter from openpyxl.styles import Font # 停用词文件路径 stopwords_path = "stopwords.txt" # 获取停用词列表 stopwords_list = [] with open(stopwords_path, "r", encoding="utf-8") as f: for line in f: stopwords_list.append(line.strip()) # 创建工作簿和工作表 workbook = openpyxl.Workbook() worksheet = workbook.active # 设置表头 worksheet["A1"] = "文件名" worksheet["B1"] = "词语" worksheet["C1"] = "词频" # 设置表头样式 for col in range(1, 4): cell = worksheet.cell(row=1, column=col) cell.font = Font(name="宋体", size=12, bold=True) cell.alignment = openpyxl.styles.Alignment(horizontal="center", vertical="center") # 获取所有txt文件 txt_files = [filename for filename in os.listdir() if filename.endswith(".txt")] # 遍历所有txt文件 for index, filename in enumerate(txt_files): # 读取文件内容 with open(filename, "r", encoding="utf-8") as f: content = f.read() # 分词并去除停用词 words = jieba.cut(content) words_list = [word for word in words if word not in stopwords_list] # 统计词频 words_count = {} for word in words_list: if word in words_count: words_count[word] += 1 else: words_count[word] = 1 # 将文件名、词语和词频写入Excel for i, (word, count) in enumerate(words_count.items()): worksheet.cell(row=index+2+i, column=1, value=filename) worksheet.cell(row=index+2+i, column=2, value=word) worksheet.cell(row=index+2+i, column=3, value=count) # 自适应列宽 for col in worksheet.columns: max_length = 0 column = get_column_letter(col[0].column) for cell in col: try: if len(str(cell.value)) > max_length: max_length = len(str(cell.value)) except: pass adjusted_width = (max_length + 2) worksheet.column_dimensions[column].width = adjusted_width # 保存Excel文件 workbook.save("word_frequency.xlsx") ``` 这段代码会在当前文件夹中读取所有以`.txt`结尾的文件,对每个文件进行分词、去除停用词、统计词频,并将结果输出到一个名为`word_frequency.xlsx`的Excel文件中。其中,第一列为文件名,第二列为词语,第三列为词频。 需要注意的是,由于这段代码使用了中文分词,因此需要保证停用词文件和待处理的txt文件编码均为UTF-8。另外,由于分词的准确性和词频统计的效果与具体的业务场景和语料库有关,因此需要根据实际情况进行调整。

最新推荐

recommend-type

Python 合并多个TXT文件并统计词频的实现

在Python编程中,合并多个TXT文件并统计词频是一项常见的文本处理任务,尤其在数据分析、自然语言处理(NLP)等领域。本篇文章将详细介绍如何利用Python实现这一功能,并提供两个不同的实现方法。 首先,让我们来看...
recommend-type

python批量处理txt文件的实例代码

本实例主要讲解如何使用Python批量处理TXT文件,并进行特定数据处理,然后将处理结果写入Excel文件。以下是对代码的详细解读: 首先,我们需要导入必要的库,如`numpy`、`pandas`和`os`,它们分别用于数值计算、...
recommend-type

python使用jieba实现中文分词去停用词方法示例

jieba分词,完全开源,有集成的python库,简单易用。下面这篇文章主要给大家介绍了关于python使用jieba实现中文分词去停用词的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考借鉴,下面来一起看看吧。
recommend-type

python批量读取文件名并写入txt文件中

如果元素是目录,就将其添加到结果列表 `ret` 中,并递归地将目录下的所有文件和子目录加入队列。如果元素是文件,就会调用文件回调函数,将文件名写入指定的文本文件(在这个例子中,文件名为 `f.txt`)。 `print...
recommend-type

使用matlab或python将txt文件转为excel表格

本文主要讨论如何使用MATLAB和Python这两种编程语言将文本文件(.txt)转换为Excel电子表格(.xls 或 .xlsx)。这两种语言都有强大的数据处理库,使得这个任务变得相对简单。 首先,我们来看MATLAB的实现方式。...
recommend-type

基于嵌入式ARMLinux的播放器的设计与实现 word格式.doc

本文主要探讨了基于嵌入式ARM-Linux的播放器的设计与实现。在当前PC时代,随着嵌入式技术的快速发展,对高效、便携的多媒体设备的需求日益增长。作者首先深入剖析了ARM体系结构,特别是针对ARM9微处理器的特性,探讨了如何构建适用于嵌入式系统的嵌入式Linux操作系统。这个过程包括设置交叉编译环境,优化引导装载程序,成功移植了嵌入式Linux内核,并创建了适合S3C2410开发板的根文件系统。 在考虑到嵌入式系统硬件资源有限的特点,通常的PC机图形用户界面(GUI)无法直接应用。因此,作者选择了轻量级的Minigui作为研究对象,对其实体架构进行了研究,并将其移植到S3C2410开发板上,实现了嵌入式图形用户界面,使得系统具有简洁而易用的操作界面,提升了用户体验。 文章的核心部分是将通用媒体播放器Mplayer移植到S3C2410开发板上。针对嵌入式环境中的音频输出问题,作者针对性地解决了Mplayer播放音频时可能出现的不稳定性,实现了音乐和视频的无缝播放,打造了一个完整的嵌入式多媒体播放解决方案。 论文最后部分对整个项目进行了总结,强调了在嵌入式ARM-Linux平台上设计播放器所取得的成果,同时也指出了一些待改进和完善的方面,如系统性能优化、兼容性提升以及可能的扩展功能等。关键词包括嵌入式ARM-Linux、S3C2410芯片、Mplayer多媒体播放器、图形用户界面(GUI)以及Minigui等,这些都反映出本文研究的重点和领域。 通过这篇论文,读者不仅能了解到嵌入式系统与Linux平台结合的具体实践,还能学到如何在资源受限的环境中设计和优化多媒体播放器,为嵌入式技术在多媒体应用领域的进一步发展提供了有价值的经验和参考。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

Python字符串为空判断的动手实践:通过示例掌握技巧

![Python字符串为空判断的动手实践:通过示例掌握技巧](https://img-blog.csdnimg.cn/72f88d4fc1164d6c8b9c29d8ab5ed75c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBASGFyYm9yIExhdQ==,size_20,color_FFFFFF,t_70,g_se,x_16) # 1. Python字符串为空判断的基础理论 字符串为空判断是Python编程中一项基本且重要的任务。它涉及检查字符串是否为空(不包含任何字符),这在
recommend-type

box-sizing: border-box;作用是?

`box-sizing: border-box;` 是 CSS 中的一个样式属性,它改变了元素的盒模型行为。默认情况下,浏览器会计算元素内容区域(content)、内边距(padding)和边框(border)的总尺寸,也就是所谓的"标准盒模型"。而当设置为 `box-sizing: border-box;` 后,元素的总宽度和高度会包括内容、内边距和边框的总空间,这样就使得开发者更容易控制元素的实际布局大小。 具体来说,这意味着: 1. 内容区域的宽度和高度不会因为添加内边距或边框而自动扩展。 2. 边框和内边距会从元素的总尺寸中减去,而不是从内容区域开始计算。
recommend-type

经典:大学答辩通过_基于ARM微处理器的嵌入式指纹识别系统设计.pdf

本文主要探讨的是"经典:大学答辩通过_基于ARM微处理器的嵌入式指纹识别系统设计.pdf",该研究专注于嵌入式指纹识别技术在实际应用中的设计和实现。嵌入式指纹识别系统因其独特的优势——无需外部设备支持,便能独立完成指纹识别任务,正逐渐成为现代安全领域的重要组成部分。 在技术背景部分,文章指出指纹的独特性(图案、断点和交叉点的独一无二性)使其在生物特征认证中具有很高的可靠性。指纹识别技术发展迅速,不仅应用于小型设备如手机或门禁系统,也扩展到大型数据库系统,如连接个人电脑的桌面应用。然而,桌面应用受限于必须连接到计算机的条件,嵌入式系统的出现则提供了更为灵活和便捷的解决方案。 为了实现嵌入式指纹识别,研究者首先构建了一个专门的开发平台。硬件方面,详细讨论了电源电路、复位电路以及JTAG调试接口电路的设计和实现,这些都是确保系统稳定运行的基础。在软件层面,重点研究了如何在ARM芯片上移植嵌入式操作系统uC/OS-II,这是一种实时操作系统,能够有效地处理指纹识别系统的实时任务。此外,还涉及到了嵌入式TCP/IP协议栈的开发,这是实现系统间通信的关键,使得系统能够将采集的指纹数据传输到远程服务器进行比对。 关键词包括:指纹识别、嵌入式系统、实时操作系统uC/OS-II、TCP/IP协议栈。这些关键词表明了论文的核心内容和研究焦点,即围绕着如何在嵌入式环境中高效、准确地实现指纹识别功能,以及与外部网络的无缝连接。 这篇论文不仅深入解析了嵌入式指纹识别系统的硬件架构和软件策略,而且还展示了如何通过结合嵌入式技术和先进操作系统来提升系统的性能和安全性,为未来嵌入式指纹识别技术的实际应用提供了有价值的研究成果。