6_合并所有年份result分析结果【“依存句法”之“MD&A分析”】

import os
from pyltp import SentenceSplitter, Segmentor, Postagger, Parser
import openpyxl
import pandas as pd
import os
import xlsxwriter

#####【！！！注意：检查各个部分之间是否存在相同的变量，避免导致程序报错】

##### 1_依存句法提取主语和主语修饰语(改) #####

# 加载LTP模型
LTP_DIR = 'D:\ltp_3.4.0\ltp_data_v3.4.0'  # LTP模型目录的路径
cws_model_path = os.path.join(LTP_DIR, 'cws.model')  # 分词模型路径
pos_model_path = os.path.join(LTP_DIR, 'pos.model')  # 词性标注模型路径
par_model_path = os.path.join(LTP_DIR, 'parser.model')  # 依存句法分析模型路径
segmentor = Segmentor(cws_model_path)  # 加载分词模型
postagger = Postagger(pos_model_path)  # 加载词性标注模型
parser = Parser(par_model_path)  # 加载依存句法分析模型

# 打开文件，使用'r'模式表示只读
def Grab_word(file_name,file_content):
    # 分句
    sentences = SentenceSplitter.split(file_content)

    # 创建一个新的Excel工作簿
    workbook = openpyxl.Workbook()
    # 选择默认的工作表
    worksheet = workbook.active

    # 遍历每个分句
    for num in range(0,len(sentences)):
        if len(sentences[num])<70 and len(sentences[num])>4: #不可能有过长/过短的句子，省计算【？有待商榷】（结果显示可以较好的过滤数据表格式内容）

            # *分词
            words = segmentor.segment(sentences[num])
            # 词性标注
            postags = postagger.postag(words)
            # 依存句法分析
            arcs = parser.parse(words,postags)
            # 找到主语和主语修饰语
            order = 0 # 用于为第一个for遍历的“主语”元素进行排序，便于后续在word中定位找到对应的词汇
            subject = []
            subject_modifier = []
            for arc in arcs:
                ### 找出主语——主谓关系分析
                if arc[1] == 'SBV' and words[arc[0]-1]!=arc and postags[order]=="n": # 首先满足主谓关系，其次判断不是关系中的谓语,词性为名词【 words[arc[0]-1] 处理说明：ROOT节点的索引是 0 ，第一个词开始的索引依次为1，2，3，···】
                    subject.append(words[order])
                    order2 = 0 # 用于为第二个for遍历的“主语修饰语”元素进行排序
                    for arc2 in arcs:
                        ### 找出主语修饰语——定中关系分析
                        if arc2[0] == order+1 and arc2[1] == 'ATT' and postags[order2]=="n": # 找到主语后随后立即寻找和该主语相关的修饰语，词性为名词【其中：order+1 起到关联主语的作用】
                            subject_modifier.append(words[order2])
                        order2 = order2+1
                order = order+1

            # 转化为字符串类型
            subject_str=','.join(subject)
            subject_modifier_str=','.join(subject_modifier)

            # *遍历“主语”和“主语修饰语”列表，将内容添加到同一行的两个格子里
            worksheet.cell(row=num+2, column=1, value=file_name)
            worksheet.cell(row=num+2, column=2, value=num)
            worksheet.cell(row=num+2, column=3, value=subject_str) # 此处row和column起始数值均为1
            worksheet.cell(row=num+2, column=4, value=subject_modifier_str)
            worksheet.cell(row=num+2, column=5, value=sentences[num])

            # 在第一行加入索引
            index_1 = "文件名"
            worksheet.cell(row=1, column=1, value=index_1)
            index_2 = "句子顺序"
            worksheet.cell(row=1, column=2, value=index_2)
            index_3 = "主语"
            worksheet.cell(row=1, column=3, value=index_3)
            index_4 = "主语修饰语"
            worksheet.cell(row=1, column=4, value=index_4)
            index_5 = "句子内容"
            worksheet.cell(row=1, column=5, value=index_5)

    ### Excel文件行数和列数的大小是有限的，所以需要删除“因不符合if条件而跳过执行”留下的空白行
    # 获取工作表中的所有行
    rows = list(worksheet.iter_rows())
    # 遍历每一行
    for row in rows:
        # 判断是否为空白行
        if all(cell.value is None for cell in row):
            # 删除空白行
            worksheet.delete_rows(row[0].row, 1)

    # 设置保存地址
    save_path = f'C:/Users/86189/Desktop/管理层讨论与分析_词汇/{file_name}.xlsx'  # 替换为你的保存路径

    # 尝试保存工作簿
    try:
        workbook.save(save_path)
        print("文件保存成功。")
    except Exception as e:
        print(f"保存文件时出错: {e}")

    # # 检查文件夹是否存在，如果不存在则创建
    # directory = os.path.dirname(save_path)
    # if not os.path.exists(directory):
    #     os.makedirs(directory)

    # 代码解释：
    # 首先，我们需要加载LTP模型，包括分词模型、词性标注模型和依存句法分析模型。
    # 然后，我们初始化分词器、词性标注器和依存句法分析器。
    # 接下来，我们将待分析的句子进行分句，然后对每个句子进行分词、词性标注和依存句法分析。
    # 在依存句法分析结果中，我们通过遍历弧（arc）来找到主谓关系（SBV），并获取主语和主语修饰语。
    # 最后，我们输出主语和主语修饰语的结果，并写入excel文件中


##### 2_遍历所有文件夹中的txt文件(改) #####
for year in range(2001,2023):
    file_path = f'C:/Users/86189/Desktop/管理层讨论与分析_文本汇总/data_{year}.xlsx'
    file_data = pd.read_excel(file_path)
    name_list = file_data['文件名']
    content_list = file_data['文件内容']

    for i in range(0,len(name_list)):
        name=name_list[i]
        content=content_list[i]
        Grab_word(name,content)

# 释放模型
segmentor.release()
postagger.release()
parser.release()