用python批量对txt文件进行分词和关键词提取的详细代码，可以直接运行

好的，这是一个基于Python的分词和关键词提取代码示例：

首先，需要安装jieba和gensim这两个库，可以通过以下命令进行安装：

pip install jieba gensim

接下来，我们需要读取txt文件中的文本内容，并进行分词和关键词提取。以下是完整的代码：

import os
import jieba
from gensim import corpora, models


def read_file(filename):
    """
    读取文件内容
    """
    with open(filename, 'r', encoding='utf-8') as f:
        content = f.read()
    return content


def cut_words(content):
    """
    对文本内容进行分词
    """
    words = jieba.cut(content)
    return ' '.join(words)


def extract_keywords(content):
    """
    提取文本关键词
    """
    # 构建词向量
    texts = [content.split()]
    dictionary = corpora.Dictionary(texts)
    corpus = [dictionary.doc2bow(text) for text in texts]

    # 训练tf-idf模型
    tfidf = models.TfidfModel(corpus)

    # 提取关键词
    keywords = tfidf[corpus][0]
    return keywords


if __name__ == '__main__':
    # 遍历txt文件
    file_dir = './txt_files'
    for root, dirs, files in os.walk(file_dir):
        for file in files:
            if file.endswith('.txt'):
                filename = os.path.join(root, file)

                # 读取文件内容
                content = read_file(filename)

                # 对文本内容进行分词
                words = cut_words(content)

                # 提取文本关键词
                keywords = extract_keywords(words)

                # 打印结果
                print('文件名：', file)
                print('分词结果：', words)
                print('关键词提取结果：', keywords)

在以上代码中，我们首先定义了三个函数：

- `read_file`：用于读取txt文件中的文本内容。
- `cut_words`：用于对文本内容进行分词。
- `extract_keywords`：用于提取文本关键词。

然后，我们遍历指定目录下的所有txt文件，并对每个文件进行分词和关键词提取，最后打印结果。

运行以上代码，即可批量对txt文件进行分词和关键词提取。