Python批量处理中文文本并解析关键词

本文的使用环境在Ubuntu17.10、Pycharm 2017.3编辑器，以及Python3.6.3。
首先介绍几个处理文本的模块。

• Wordcloud, 可以将文本中的关键词总结并输出词云
  https://github.com/amueller/word_cloud
• jieba，像英语文章的单词那样将中文文本分成若干个词组
• docx，python处理doc、docx文本的模块
  http://python-docx.readthedocs.io/en/latest/index.html
• snownlp，可以对文本进行正负面情感分析取值
  https://github.com/isnowfy/snownlp
• pyLDAvis，直观地在默认网页显示关键词的可交互动态图
• textrank4zh，可以总结关键词出现的频率、关键词、关键句
  https://github.com/letiantian/TextRank4ZH

---

模块安装和导入

pip3 install wordcloud
pip3 install jieba
pip3 install python-docx
pip3 install snownlp
pip3 install pyLDAvis
pip3 install textRank4zh

读入文本

若是docx文本，以下为处理一个文本的代码，批量处理可用数组储存文件名再遍历

import docx
file=docx.Document("example.docx")