Python: Word(docx)文档词频统计

#该程序读入D:/data_temp下的所有docx文件,并实现词频统计
#输出每个文档的单词频数,并进行绘图
#docx 
import os 
import docx
from pyecharts.charts import Bar
from pyecharts import options as opts
words=['security','as','nation','百度','law']

def getFileName(path):
        filename = []
        f_list = os.listdir(path)
        for i in f_list:
            if os.path.splitext(i)[1] == '.docx':
                filename.append(i)
        return filename
lsdir=os.listdir('d:/data_temp')

for file in lsdir:
    data = []
    #print(getFileName('d:/'))
    doc1=r'd:/data_temp/%s'%file
    document=docx.Document(doc1)
    #print(document.paragraphs[0].text)
    for i in range(len(document.paragraphs)):
        para=document.paragraphs[i].text.replace('\r',' ').replace('\n',' ').replace('(',' ').replace(')',' ').replace(',',' ').replace('.',' ').strip().lower().split(' ')
        data.extend(para)
    #print(data)
    new_dict = {}
    for strs in data:
        if strs in new_dict.keys():
            new_dict[strs] = new_dict[strs]+1
        else:
            new_dict[strs] = 1
#count_list=sorted(new_dict.items(),key=lambda x:x[1],reverse=True)
    plot_name=[]
    plot_value=[]
    lists=[]
    for k in words:
        if k in new_dict:
            plot_name.append(k)
            plot_value.append(new_dict[k])
            print("%s"%file+" 单词 "+"%s"%k+" 的出现频数为 "+"%s"%new_dict[k]+" 次")
        else:
            print("%s"%file+" 单词 "+"%s"%k+" 未出现!")
            plot_name.append(k)
            plot_value.append(0)
    bar=Bar()
    bar.add_xaxis(plot_name)
    bar.add_yaxis("词语出现次数", plot_value)
    #bar.add("词语出现次数", plot_name,plot_value,is_label_show=True, is_datazoom_show=False, xaxis_rotate=30)
    bar.set_global_opts(title_opts=opts.TitleOpts(title="词频统计"))
    file_abb=file.replace('\.docx','')
    name="%s"%file_abb+"-"+"汇总词频统计" 
    bar.render('%s.html'%name)
    for k in range(len(plot_name)):
        lists.append([plot_name[k],plot_value[k]])
    with open('%s.txt'%name,'w') as f:
        f.write('词语,频数'+'\n')
        for i in lists:
            i=str(i).strip('[').strip(']').replace('\'','')
            #print(i)
            f.write(i+'\n')
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 200,527评论 5 470
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,314评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 147,535评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,006评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,961评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,220评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,664评论 3 392
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,351评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,481评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,397评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,443评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,123评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,713评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,801评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,010评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,494评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,075评论 2 341

推荐阅读更多精彩内容