99 lines
2.3 KiB
Markdown
99 lines
2.3 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
|
||
- 📋 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` |