Word技巧大全:去除页眉横线,快速转换字符,启动参数解析

需积分: 9 1 下载量 47 浏览量 更新于2024-09-22 收藏 48KB DOC 举报
"史上最全word必备技巧分享" 本文将详尽介绍一些Word的实用技巧,帮助你提升文档处理效率。无论是日常办公还是学术写作,这些技巧都将大有裨益。 1. 去掉页眉横线 - 方法一:在页眉编辑状态下,选择“格式”->“边框和底纹”,设置表格和边框为“无”,并应用于“段落”。 - 方法二:同样在“格式”->“边框和底纹”,将边框颜色设为白色,视觉上消除横线。 - 方法三:使用“样式”栏,将“页眉”样式替换为“正文”。 2. 删除页眉中的额外横线 - 在替换功能中,在查找内容栏输入“^p^p”,在替换为栏输入“^p”,可以消除因换行产生的多余横线。 3. 插入日期和时间的快捷键 - Alt+Shift+D:插入当前日期。 - Alt+Shift+T:插入当前时间。 4. 批量转换全角字符为半角字符 - 全选文本,然后选择“格式”->“更改大小写”,在弹出的对话框中选择“半角”,点击确定。 5. Word启动参数简介 - /n:启动Word但不新建文档。 - /a:禁用插件和通用模板的自动启动。 - /m:禁用自动执行的宏。 - /w:启动独立的Word进程,不影响已运行的Word。 - /c:启动Word并调用Netmeeting。 - /q:启动时不显示启动画面。 6. 快速打开最后编辑的文档 - 通过录制宏实现:录制一个名为“autoexec”的宏,点击“文件”,打开最近编辑的文档,然后停止录制。 7. 自定义Word快捷方式 - 右键点击Word快捷图标,编辑“目标”项,添加所需启动参数,例如/n或/q等。 这些技巧涵盖了Word的基本操作和高级应用,熟练掌握它们能显著提高你的工作效率。记得在实际工作中灵活运用,让Word成为你的得力助手。

把这段代码import math from collections import defaultdict corpus =["二价 二价 二价 四价 预约", "四价 四价 四价 九价 预约", "九价 九价 九价 九价 预约"] words = [] for sentence in corpus: words.append(sentence.strip().split()) # 进行词频统计 def Counter(words): word_count = [] for sentence in words: word_dict = defaultdict(int) for word in sentence: word_dict[word] += 1 word_count.append(word_dict) return word_count word_count = Counter(words) # 计算TF(word代表被计算的单词,word_dict是被计算单词所在句子分词统计词频后的字典) def tf(word, word_dict): return word_dict[word] / sum(word_dict.values()) # 统计含有该单词的句子数 def count_sentence(word, word_count): return sum([1 for i in word_count if i.get(word)]) # i[word] >= 1 # 计算IDF def idf(word, word_count): return math.log((len(word_count) / (count_sentence(word, word_count) + 1)),10) # 计算TF-IDF def tfidf(word, word_dict, word_count): return tf(word, word_dict) * idf(word, word_count) p = 1 for word_dict in word_count: print("part:{}".format(p)) p += 1 for word, cnt in word_dict.items(): print("word: {} ---- TF-IDF:{}".format(word, tfidf(word, word_dict, word_count))) print("word: {} ---- TF:{}".format(word, tf(word, word_dict))) print("word: {} ---- IDF:{}".format(word, idf(word, word_count))) print("word: {} ---- count_sentence:{}".format(word, count_sentence(word, word_count)))中计算idf的def idf(word, word_count)部分改成自定义输入权重[1,2,3]得到最终的改进后的TF-IDF值,请帮我改进一下代码

221 浏览量

在下面这段代码的基础上进行修改import math from collections import defaultdict corpus =["二价 二价 二价 四价 预约", "四价 四价 四价 九价 预约", "九价 九价 九价 九价 预约"] words = [] for sentence in corpus: words.append(sentence.strip().split()) # 进行词频统计 def Counter(words): word_count = [] for sentence in words: word_dict = defaultdict(int) for word in sentence: word_dict[word] += 1 word_count.append(word_dict) return word_count word_count = Counter(words) # 计算TF(word代表被计算的单词,word_dict是被计算单词所在句子分词统计词频后的字典) def tf(word, word_dict): return word_dict[word] / sum(word_dict.values()) # 统计含有该单词的句子数 def count_sentence(word, word_count): return sum([1 for i in word_count if i.get(word)]) # i[word] >= 1 # 计算IDF def idf(word, word_count): return math.log((len(word_count) / (count_sentence(word, word_count) + 1)),10) # 计算TF-IDF def tfidf(word, word_dict, word_count): return tf(word, word_dict) * idf(word, word_count) p = 1 for word_dict in word_count: print("part:{}".format(p)) p += 1 for word, cnt in word_dict.items(): print("word: {} ---- TF-IDF:{}".format(word, tfidf(word, word_dict, word_count))) print("word: {} ---- TF:{}".format(word, tf(word, word_dict))) print("word: {} ---- IDF:{}".format(word, idf(word, word_count))) print("word: {} ---- count_sentence:{}".format(word, count_sentence(word, word_count))),将IDF进行改进,其中自定义热度权重文件weight.txt中我想存入的是每一个文档的热度权重,改进的idf值就是总文档热度权重总和除以包含某词所在的文档的热度权重之和然后再取对数,请写出改进后的python代码

2023-06-07 上传