爬取《政府工作报告》词云展示并做词频统计

最新推荐文章于 2024-10-23 11:51:14 发布

原创最新推荐文章于 2024-10-23 11:51:14 发布 · 5.2k 阅读

55 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文介绍了如何使用Python爬取《政府工作报告》，进而生成词云展示，并进行了词频统计，展示了统计结果。

爬取《政府工作报告》词云展示并做词频统计

爬取《政府工作报告内容代码：

from requests import *
from bs4 import BeautifulSoup
r=get("http://www.hgnu.edu.cn/2020/0531/c1112a61314/page.htm",timeout=10)
r.encoding="utf-8"
s=BeautifulSoup(r.text,"html.parser")
f=open("报告.txt","w",encoding="utf-8")
L=s.find_all("p")
for c in L:
    f.write("{}\n".format(c.text))

f.close()

词云展示：

引用图：
在这里插入图片描述

词频统计

import re
import collections  # 词频统计库
import numpy as np # numpy数据处理库
import jieba  # 结巴分词
import wordcloud # 词云展示库
from PIL import Image  # 图像处理库
import matplotlib.pyplot as plt # 图像展示库
# 读取文件
fn = open("C:/python/pythonchengxu/报告.txt","r",encoding="utf-8")
string_data = fn.read()
fn.close()
# 文本预处理
# 定义正则表达式匹配模式
pattern = re.compile(u'\t|,|/|。|\n|\.|-|:|;|\)|\(|\?|"') 
string_data = re.sub(pattern,'',string_data)  # 将符合模式的字符去除
# 文本分词
# 精确模式分词
seg_list_exact = jieba.cut(string_data,cut_all=False)  
object_list = []
# 自定义去除词库
remove_words = [u'的',u'要', u'“',u'”',u'和',u'，',u'为',u'是',
                '以' u'随着', u'对于', u'对',u'等',u'能',u'都',u'。',
                u' ',u'、',u'中',u'在',u'了',u'通常',u'如果',u'我',
                u'她',u'（',u'）',u'他',u'你',u'？',u'—',u'就',
                u'着',u'说',u'上',u'这', u'那',u'有', u'也',
                u'什么', u'·', u'将', u'没有', u'到', u'不', u'去'] 


for word in seg_list_exact:
    if word not in remove_words:
        object_list.append(word)
# 词频统计
# 对分词做词频统计
word_counts = collections.Counter(object_list) 
# 获取前30最高频的词
word_counts_top30 = word_counts.most_common(30) 
print(word_counts_top30)
# 词频展示
# 定义词频背景
mask = np.array(Image.open('E:/An3/2.png'))  
wc = wordcloud.WordCloud(
    font_path='C:\\Windows\\Fonts\\msyh.ttc',# 设置字体
    mask = mask,# 背景图设置
    background_color="white",#设置背景图颜色
    width=1600, height=1200,#设置长宽
    max_words=300,# 最多显示词数
    max_font_size=100,min_font_size=4)# 字体最大最小值
wc.generate_from_frequencies(word_counts)# 从字典生成词云 
image_colors = wordcloud.ImageColorGenerator(mask)# 从背景图建立颜色方案 
wc.recolor(color_func=image_colors)  # 将词云颜色设置为背景图方案
plt.figure(dpi=300)# 通过分辨率放大或缩小图片
plt.imshow(wc)# 显示词云 
plt.axis('off') # 关闭坐标轴
plt.show() # 显示图像

词频统计结果：