统计文本词频并输出为Excel表格形式——Python实现

统计文本词频并输出为Excel表格形式——Python实现

本次实例主要是熟练对中文分词库_jieba库，以及二维数据存储_csv库的使用。

目录

1. 简单介绍两个库的使用
2. 实例问题及问题分析
3. Python实现

一、简单介绍两个库的使用

jieba库：中文分词库，将中文文本分解为单个词语进行处理。

jeba.lcut(s)：精确模式，对原文本进行词语拆分，无冗余。

jieba.lcut(s,cut_all=True)：全模式，对文本进行拆分，列出所以可以组成的词语，存在冗余。

jieba.lcut_for_search(s)：搜索引擎模式，在词库中进行搜索并对文本进行拆分，列出所以可以组成的词语，存在冗余。

jieba.add_word(w)：向分词词典添加词语。

csv库：用作对二维数据的处理存储，所生成的文件格式为.csv，这种文件格式使用常用办公软件Excel可以打开。

csv.writer(fileName)：返回一个文件的writer对象。
writerow(list):写入一行到文件中。

注意：jieba库是第三方库，所以需要进行安装才能使用，使用pip install jieba -i https://pypi.tuna.tsinghua.edu.cn/simple 即可，后面的网址是Python第三方库的清华大学的镜像网址（这样比默认网址会快速很多）。

二、实例问题及问题分析

本次实例目的是将一个政府工作报告进行词频分析，统计出出现次数前十的词语，结果通过表格的形式呈现。
在这个问题中，我们需要对整个文本使用jieba库进行分词，分成一个一个的词语然后进行词频的统计，对于结果的呈现，我们通过二维表格的形式进行展示，这里使用到csv库。

三、Python实现

#jieba库的使用以及csv库的使用
import jieba
import csv
txt = open("xiXiang.txt", 'rt', encoding = 'utf-8').read()  #读取所需要分析的文件内容
Excel = open("baoGao.csv", 'w', newline = '')   #打开表格文件，若表格文件不存在则创建
writ = csv.writer(Excel)    #创建一个csv的writer对象用于写每一行内容
writ.writerow(['名称','出现次数'])  #写表格表头
words = jieba.lcut(txt) #使用jieba库对文本进行分词
counts = {} #创建一个字典，用于对词出现次数的统计，键表示词，值表示对应的次数
for word in words:
    if len(word) <= 1:
        continue
    else:
        counts[word] = counts.get(word, 0) + 1  #在字典中查询若该字返回次数加一
item = list(counts.items()) #将字典转化为列表格式
item.sort(key = lambda x: x[1], reverse = True) #对列表按照第二列进行排序
for i in range(10):
    writ.writerow(item[i])  #将前十名写入表格
    

end