Python读取Word统计词频输出到Excel

最新推荐文章于 2024-01-17 17:06:16 发布

牧文山

最新推荐文章于 2024-01-17 17:06:16 发布

阅读量872

点赞数

分类专栏： Python自动化办公文章标签： python word excel

本文链接：https://blog.youkuaiyun.com/weixin_42750611/article/details/132260309

版权

这篇博客介绍了如何使用Python的`python-docx`库读取docx文件，通过`jieba`进行中文分词，然后利用`collections.Counter`统计词频，最后将结果存储到Excel文件中。主要步骤包括安装所需包，读取Word文档内容，进行中文分词，统计词频，并用pandas进行数据排序和转换为dict。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.安装依赖的包

```
"# 读取docx\n",
"!pip install python-docx\n",
"!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple python-docx\n",
"# 中英文分词\n",
"!pip install jieba\n",
"!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jieba\n",
"# 输出到excel\n",
"!pip install pandas"
"!pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas"
```

2.读取docx文件到一个大字符串

```python
import docx
from docx import Document
document = docx.Document("Python.docx")
content = " ".join([para.text for para in document.paragraphs])
```

3. 中文分词

```
import jieba

seg_list = jieba.cut(content,cut_all=False)
print(type(seg_list))

# 过滤标点符号，无意义的单个字