Python上市公司年报jieba“环保”词频统计

目标数据：统计上市公司年报全篇总词数和环保类关键词词数。

以长春高新（000661）2021年年度报告为例。

首先，由于年报文件为pdf格式，jieba无法直接处理，因此我们用pdfplumber读取pdf文件所有内容，并将其拼接成一整个字符串。代码如下：

import pdfplumber
path = '000661：2021年年度报告.pdf'
pdf = pdfplumber.open(path)
text_all = ""
for page in pdf.pages:
    text = page.extract_text() 
    text_all = text_all+'\n'+text #字符串拼接
print(text_all)

运行得到该pdf所有内容的字符串，部分结果截图如下：

其次，使用jieba分词器对所得字符串进行分词切割，并导入停用词词典备用，停用词参考链接：https://www.cnblogs.com/demo-deng/p/9771593.html。代码如下：

import jieba
words = jieba.cut(text_all)
stop = open("stopwords.txt", "r", encoding='utf-8&