python提取字符串中的单词_python中用jieba实现中文分词，并提取高频词汇

目的：实现中文分词，并提取高频词汇

一、实现的效果

初始的文本（wenben1.text）是网上随便复制的一段文本，主要内容如图所示：

实现分词后的文本（wenben2.text）：

提取频率最高的10个词汇，显示结果如下：

二、代码

#! -*- coding:utf-8 -*-

import jieba

import jieba.analyse

# 待分词的文本路径

sourceTxt = 'wenben1.txt '

# 分好词后的文本路径

targetTxt = 'wenben2.txt'

with open(sourceTxt, 'r') as sourceFile, open(targetTxt, 'a+') as targetFile:

for line in sourceFile:

seg = jieba.cut(line.strip(), cut_all = False)

# 分好词之后之间用空格隔断

output = ' '.join(seg)

targetFile.write(output)

targetFile .write('\n')

print('写入成功！')

with open(targetTxt, 'r') as file:

text = file.readlines()

"""

几个参数解释：

* text : 待提取的字符串类型文本

* topK : 返回TF-IDF权重最大的关键词的个数，默认为20个

* withWeight : 是否返回关键词的权重值，默认为False

* allowPOS : 包含指定词性的词，默认为空

"""

keywords = jieba.analyse.extract_tags(str(text), topK = 10, withWeight=True, allowPOS=())

print(keywords)

print('提取完毕！')