110 lines
3.4 KiB
Markdown
110 lines
3.4 KiB
Markdown
# 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：
|
||
|
||
```bash
|
||
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：
|
||
|
||
```bash
|
||
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
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
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` |