Python 讀取 Word 文檔統計詞頻輸出至excel文件


# -*- coding:utf-8 -*-
# @Author   : chenfei
# @time     : 2020/10/23 15:30
# @File     : 讀取word統計詞頻輸出excel.PY
# @Software : PyCharm

import docx
import jieba
from collections import Counter
import pandas as pd

document =docx.Document(r'D:\免安裝使用\WeChatDownload v20200423\曹政的夢囈合集10.docx')

content = ' '.join([para.text for para in document.paragraphs])

print(len(content))
# print(content[0:100])

# 中文分詞
seg_list = jieba.cut(content,cut_all=False)
print(type(seg_list))

# 過濾標點符號、無意義的單個字
seg_list = [word for word in seg_list if len(word)>1]
# print(seg_list[:30])

# 統計詞頻
counter = Counter(seg_list)
# # 輸出前10個
# for key,count in list(counter.items())[:10]:
#     print(key,count)

# 構造pandas
df = pd.DataFrame(list(counter.items()),columns=['word','count'])
# print(df.head()) # 輸出前5行

#排序
df.sort_values(by='count',ascending=False,inplace=True)
print(df.head())

# 輸出excel
df.to_excel('分析結果-詞頻數據.xlsx',index=False)


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM