# Word文档词频统计分析工具

这是一个用于分析Word文档词频的Python工具，支持中文分词、词频统计、可视化展示和结果导出。

## 功能特性

- 📖 读取Word文档（.docx格式）
- 🔤 中文文本分词（基于jieba）
- 📊 词频统计分析
- 📈 生成词云图和词频柱状图
- 📋 导出Excel分析报告
- 🚫 智能过滤停用词

## 安装依赖

在运行脚本之前，请先安装所需的Python包：

```bash
pip install -r requirements.txt
```

## 使用方法

### 1. 基本使用

将Word文档放在脚本同一目录下，然后运行：

```bash
python word_frequency_analyzer.py
```

### 2. 自定义目录

```python
from word_frequency_analyzer import WordFrequencyAnalyzer

# 指定Word文档所在目录
analyzer = WordFrequencyAnalyzer('/path/to/your/word/documents')
results = analyzer.analyze_all_documents()
analyzer.print_results(results)
```

### 3. 单个文档分析

```python
analyzer = WordFrequencyAnalyzer()
result = analyzer.analyze_single_document('your_document.docx')
```

## 输出文件

脚本运行后会生成以下文件：

- `词频分析结果.xlsx` - Excel格式的详细分析报告
- `词云图_[文档名].png` - 每个文档的词云图
- `词频图_[文档名].png` - 每个文档的词频柱状图

## 分析结果包含

- 总词数统计
- 不重复词数统计
- 高频词排行榜（前20名）
- 词云可视化
- 词频柱状图
- Excel详细报告

## 支持的文档格式

- Microsoft Word (.docx)

## 注意事项

1. 确保Word文档为.docx格式（不支持.doc格式）
2. 脚本会自动过滤常见停用词和标点符号
3. 词云图需要系统支持中文字体
4. 建议在Python 3.7+环境下运行

## 自定义配置

### 修改停用词

可以在`WordFrequencyAnalyzer`类的`_load_stop_words`方法中添加或删除停用词。

### 调整分析参数

- 修改`get_top_words`方法的`top_n`参数来改变高频词数量
- 调整词云图和柱状图的样式参数

## 故障排除

如果遇到字体相关错误，请确保系统安装了中文字体，或修改脚本中的字体路径。

macOS用户可以使用：
- `/System/Library/Fonts/PingFang.ttc`
- `/System/Library/Fonts/STHeiti Light.ttc`

Windows用户可以使用：
- `C:/Windows/Fonts/simhei.ttf`
- `C:/Windows/Fonts/msyh.ttc`