一款可自定义自动字典生成器---火花

前言

高准确率的字典,可以增加打点成功的几率
针对网上的字典生成器,因为不是自己写的,
修改规则起来也比较麻烦。
才有了这款火花字典生成器

火花展示

在这里插入图片描述

使用说明:

1.采用.ini配置文件的格式。支持保存配置,每次添加的字典。点击保存配置,配置文件会自动去重保存.下次只需加载配置即可使用。

2.使用前,先加载配置,如果没有想要的内容,可以在后面手动加入.然后点击保存配置.点击生成,会按照默认规则生成字典。

规则

最难的是生成规则,这里的生成规则都是实战都收集到的。

本着宁可错杀一千,绝不放过一个多原则。

Aa123456..

zhangsan@123..

abcd!@#123

等等

A示例

最重要的一个规则,支持中文。

第一版的规则很简单,后续会继续加。

例子:

张三

生成字典:

ZS

zs

zhangsan

Zs

Zhangsan

ZHANGSAN

ZhangSan

中国电信:

Zgdx

Zhongguodianxin

zgdx

ZhongGuoDianXin

zhongguodianxin

ZGDX

ZHONGGUODIANXIN
下个版本说明:
最近实在发现,会存在<张三/Zhangs>不过比较少,下个版本添加.

B示例

一些常见的特殊字符。

本想把特殊字符分成中间和末尾的特殊字符。

但是感觉差不多,就写成了一列。

缺点就是可能字典数量会多点。

C示例

常见的弱口令

例子:

123

111111

666666

最后

规则不全面,还有不少想法没有实现。

欢迎表哥们,多提点规则.持续更新。
``

关注公众号自提

在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
sentiment_df是针对Loughran-McDonald情感分析词典生成的一个带有情感得分的数据框。Loughran-McDonald情感分析词典是一种常用的基于词典的情感分析方法,其基本思想是根据单词在语料库中出现的频次以及其在特定主题中的频次推断其情感极性。该词典中包含了6000余个财务相关的单词,并将情感极性分为正面、负面和中性三种。 生成sentiment_df字典的过程通常包括以下几个步骤。首先,需要对需要分析的文本进行分词,并将分词后的文本去除停用词等无关词汇,以便更精确地测量各种情感极性的得分。接下来,需要使用Loughran-McDonald情感分析词典中的情感词表对分词后的文本进行情感词筛选。对于每一个正面或负面的情感词,都可以根据其在Loughran-McDonald情感分析词典中的得分,计算出其在文本中所占的情感得分。对于每篇文本来说,可以得到一组正面得分和负面得分,并以此生成sentiment_df字典。 在使用sentiment_df字典进行分析时,可以将其与其他数据框进行连接,以便进一步探究文本的情感走向。例如,可以通过将分析文本的发布日期、大小、来源等信息与sentiment_df字典进行连接,进一步了解情感得分在时间、空间和社交媒体平台等不同维度上的变化趋势。此外,还可以利用可视化工具对sentiment_df字典进行可视化处理,以便更直观地展示文本情感走向和分析结果。 总之,sentiment_df字典生成是Loughran-McDonald情感分析方法中的重要步骤,它提供了一种基于词频和情感词分析的情感分析方法,可以在金融、企业舆情等领域发挥重要作用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值