Scripts/word

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（保存为文件，不弹窗显示）
• 📋 导出Excel分析报告
• 🚫 智能过滤停用词与标点、数字
• 📁 自动创建并使用input和output目录

安装依赖

在运行脚本之前，请先安装所需的Python包：

pip install -r requirements.txt

使用方法

1. 基本使用

将Word文档（.docx）放入脚本同级目录下的word/input文件夹（首次运行会自动创建），然后运行：

python word_frequency_analyzer.py

运行完成后，所有输出会保存在word/output目录：

• 词频分析结果.xlsx：Excel格式的详细分析报告（包含汇总与各文档高频词，默认前30）
• 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（默认显示前15）

2. 自定义目录

from word_frequency_analyzer import WordFrequencyAnalyzer

# 指定Word文档输入与结果输出目录
analyzer = WordFrequencyAnalyzer(input_dir='/path/to/your/word/documents',
                                 output_dir='/path/to/output')
results = analyzer.analyze_all_documents()
analyzer.print_results(results)
analyzer.export_to_excel(results)  # 可选，未传入时默认保存到output目录

3. 单个文档分析

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

输出文件

脚本运行后会在output目录生成以下文件：

• 词频分析结果.xlsx - Excel格式的详细分析报告（包含汇总与各文档高频词）
• 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（打印前20名，Excel默认前30）
• 词云可视化
• 词频柱状图（默认显示前15）

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、标点符号以及数字；分词时会过滤长度小于2的词
3. 图表不在窗口显示，直接保存到output目录
4. 词云图需要系统支持中文字体
5. 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（默认30）
• 调整词云图和柱状图的样式参数（在create_word_cloud与create_frequency_chart中）
• 可自定义input与output目录位置（构造函数入参）

目录结构示例

• 输入目录：word/input
• 输出目录：word/output

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