(1)|(1) 使用jieba分词提取文章的关键词 (1)使用jieba分词提取文章的关键

需求分析使用' jieba.analyse.extract_tags() '提取文档的关键词
开发环境系统: macOS Sierra；开发软件: PyChram CE；运行环境: Python3.6

首先导入需要用到的包

import os import codecs import jieba from jieba import analyse import pandas

使用 jieba.analyse.extract_tags(content, topK=5)提取前五个关键词

【(1)|(1) 使用jieba分词提取文章的关键词】这个模块除了多了 jieba.analyse.extract_tags(content, topK=5
这个提取关键词的函数外，其余内容同上一篇词频统计 - 词云绘制中的‘创建语料库’模块相同

filePaths = [] fileContents = [] tag1s = [] tag2s = [] tag3s = [] tag4s = [] tag5s = [] for root, dirs, files in os.walk( 'data/SogouC.mini/Sample' ): for name in files: filePath = os.path.join(root, name) f = codecs.open(filePath, 'r', 'utf-8') content = f.read().strip()# 获取内容 f.close() tags = jieba.analyse.extract_tags(content, topK=5)# 采用jieba.analyse.extrack_tags(content, topK)提取关键词 filePaths.append(filePath) fileContents.append(content) tag1s.append(tags[0])# 第一个关键词 tag2s.append(tags[1])# 第二个关键词 tag3s.append(tags[2])# 第三个关键词 tag4s.append(tags[3])# 第四个关键词 tag5s.append(tags[4])# 第五个关键词

定义一个DataFrame用于存储 - 文件路径，文件内容和每个文件对应的前五个关键词

# 定义一个DataFrame存储 - 文件路径，文件内容和每个文件对应的前五个关键词 tagDF = pandas.DataFrame({ 'filePath': filePaths, 'fileContent': fileContents, 'tag1': tag1s, 'tag2': tag2s, 'tag3': tag3s, 'tag4': tag4s, 'tag5': tag5s, }) print(tagDF.head())

运行结果如下：（只显示前五行）