头歌Python作业——8.3 政府工作报告数据提取(project)

第1关 读取政府工作报告文件

with open('src/政府工作报告.txt', 'r', encoding='utf-8') as f:
    txt = f.read()
    n = int(input())
    print(txt[:n])

第2关 语句切分为列表

# 补充你的代码
with open('src/政府工作报告.txt', 'r', encoding='utf-8') as f:
    txt = f.read()
    txt = txt.replace('，', ' ').replace('。', ' ').replace('；',' ')
    txt = txt.split()
    n = int(input())
    print(txt[:n])

第3关 获取包含数字的语句

# 补充你的代码
with open('src/政府工作报告.txt', 'r', encoding='utf-8') as f:
    txt = f.read()
    txt = txt.replace('，', ' ').replace('。', ' ').replace('；',' ')
    txt = txt.split()
    n = int(input())
    num = [str(i) for i in range(10)]
    print('\n'.join([c for c in txt if set(c)&set(num)][:n]))

第4关 提取关键词关联语句

# 补充你的代码
with open('src/政府工作报告.txt', 'r', encoding='utf-8') as f:
    s = f.read()
education = ['高校','培训','基础研究','学生','扩招','培养','教育']  #教育关联词
environment = ['清洁','森林','排放','土地','植被','能耗','湿地','能源','水体','公园','颗粒物','发电'] # 环保关联词
economic = ['就业','消费','市场','失业','工业','农业','费用','债券','土地','措施','汽车','赤字','企业','经济','生产总值','商品','制造','装备','财政','投资','金融','税','支付','销量','外汇','通胀','收入','贫困','预算','贷款','保险','储备','住房','跨境','进口','出口','进出口','自贸','关税','发电']  #经济关联词
medical = ['卫生','医疗','医学','救助','补助','学科']  #医疗卫生关联词
transport = ['交通','运输','汽车','公路','铁路','机场','货物']   #交通运输关联词
science = ['科技','创新','技术','双创','研究','专精特新','学科']  #科技创新关联词
 
s = s.replace('，', ' ').replace('。', ' ').replace('；',' ')
s = s.split()
n = input()
num = [str(i) for i in range(10)]
data = [c for c in s if set(c)&set(num)]
def get_data(data, infer):
    res = []
    for d in data:
        for i in infer:
            if i in d:
                res.append(d)
                break
    return res

if n == '教育':
    data = get_data(data, education)
    print('\n'.join(data))
elif n=='环保':
    data = get_data(data, environment)
    print('\n'.join(data))
elif n=='经济':
    data = get_data(data, economic)
    print('\n'.join(data))
elif n in ['医疗','卫生']:
    data = get_data(data, medical)
    print('\n'.join(data))
elif n in ['交通','运输']:
    data = get_data(data, transport)
    print('\n'.join(data))
elif n in ['科技','创新']:
    data = get_data(data, science)
    print('\n'.join(data))
elif n == '数据':
    print('\n'.join(data))
else:
    print('无对应操作')

第5关 提取报告中的高频词

# 补充你的代码
import jieba  # jieba是中文分词库，将中文句子切分成词。
import logging  # 导入模块，用于设置日志级别
jieba.setLogLevel(logging.INFO)    # 关闭jieba日志输出

with open('src/政府工作报告.txt', 'r', encoding='utf-8') as f:
    s = f.read()
with open('src/stopword.txt', 'r', encoding='utf-8') as f:
    stop = f.read().split()  # 读停用词表
s = jieba.lcut(s)            # 精确模式分词
s = [c for c in s if c not in stop and len(c)>1]
dic = {}
for c in s:                  # 统计词频
    dic[c] = dic.get(c, 0)+1

n = int(input())
# 排序，高到低
dic = sorted(dic.items(), key=lambda x:x[1], reverse=True)
for k,v in dic[:n]:
    print(f'{k:<4}{v:>4}')

如果此文章对你有所帮助，麻烦点个赞，谢谢~~~

点赞加关注，追新不迷路~~~