深圳网站设计公司费用大概多少,搜索优化师,个人做百度云下载网站吗,自己做网站费用目录 一、程序工作流程
二、完善代码
1. 导入库
2. WordFrequencyAnalyzer类
初始化方法 __init__
文本加载方法
核心文本处理方法 _process_text
信息获取方法
结果展示方法
3. 主函数 main()
4. 程序入口
5.关键功能解析
文本处理
词频统计
可视化展示
多行文…目录 一、程序工作流程
二、完善代码
1. 导入库
2. WordFrequencyAnalyzer类
初始化方法 __init__
文本加载方法
核心文本处理方法 _process_text
信息获取方法
结果展示方法
3. 主函数 main()
4. 程序入口
5.关键功能解析
文本处理
词频统计
可视化展示
多行文本输入
三、完整代码 一、程序工作流程 启动程序显示主菜单 用户选择加载文本的方式 直接输入文本 从文件加载 程序处理文本统计词频 用户可以选择 查看统计摘要 查询特定单词频率 查看所有单词频率 导出结果到CSV 可视化展示常见单词 用户可以选择退出程序 二、完善代码
1. 导入库
import re
from collections import Counter
import matplotlib.pyplot as plt re: Python的正则表达式库用于文本处理 Counter: 来自collections模块用于高效计数 matplotlib.pyplot: 用于数据可视化 2. WordFrequencyAnalyzer类
这是程序的核心类负责文本分析和统计
初始化方法 __init__
def __init__(self):self.word_freq Counter() # 存储单词频率的计数器self.total_words 0 # 总单词数self.unique_words 0 # 唯一单词数self.most_common [] # 最常见的单词列表self.text_source 未加载文本 # 文本来源信息
文本加载方法
def load_text(self, text):从字符串加载文本self.text_source 直接输入的文本self._process_text(text)def load_file(self, filename):从文件加载文本try:with open(filename, r, encodingutf-8) as file:text file.read()self.text_source filenameself._process_text(text)return Trueexcept FileNotFoundError:print(f错误: 文件 {filename} 未找到)return Falseexcept Exception as e:print(f读取文件时出错: {e})return False load_text: 从用户输入的字符串加载文本 load_file: 从文件加载文本处理文件读取错误
核心文本处理方法 _process_text
def _process_text(self, text):处理文本并统计词频# 转换为小写并移除标点符号cleaned_text re.sub(r[^\w\s], , text.lower())# 分割单词words cleaned_text.split()# 更新统计self.word_freq Counter(words)self.total_words len(words)self.unique_words len(self.word_freq)self.most_common self.word_freq.most_common()
这是程序的核心处理逻辑 使用正则表达式移除标点符号 将所有文本转为小写 使用split()分割单词 使用Counter统计词频 计算总单词数和唯一单词数 获取最常见的单词列表
信息获取方法
def get_total_words(self):获取总单词数return self.total_wordsdef get_unique_words(self):获取唯一单词数return self.unique_wordsdef get_most_common(self, n10):获取出现频率最高的前n个单词return self.most_common[:n]def get_word_frequency(self, word):获取特定单词的出现频率return self.word_freq.get(word.lower(), 0)
这些方法提供对统计结果的访问接口。
结果展示方法
def print_summary(self):打印统计摘要# 显示基本信息# 显示最常见的10个单词def print_all_frequencies(self):打印所有单词及其频率# 按字母顺序显示所有单词及其出现次数def export_to_csv(self, filenameword_frequency.csv):将词频统计导出到CSV文件# 创建CSV文件包含单词、出现次数和频率def visualize_top_words(self, n15):可视化展示前n个最常见单词# 使用matplotlib创建水平条形图
这些方法提供了多种结果展示方式 控制台打印摘要 显示所有单词频率 导出到CSV文件 可视化展示
3. 主函数 main()
这是程序的入口点提供用户交互界面
def main():analyzer WordFrequencyAnalyzer() # 创建分析器实例# 显示菜单while True:# 显示选项菜单choice input(\n请选择操作: )# 处理用户选择if choice 1: # 输入文本# 获取多行输入# 处理文本elif choice 2: # 从文件加载# 获取文件名# 加载文件elif choice 3: # 查看统计摘要# 检查是否有数据# 显示摘要elif choice 4: # 查询单词频率# 获取单词# 查询并显示结果elif choice 5: # 查看所有单词频率# 检查是否有数据# 显示所有单词频率elif choice 6: # 导出到CSV# 获取文件名# 导出数据elif choice 7: # 可视化展示# 获取要显示的单词数量# 显示图表elif choice 8: # 退出breakelse: # 无效选择print(无效选择请重新输入)
4. 程序入口
if __name__ __main__:main()
当直接运行此Python文件时会调用main()函数启动程序。
5.关键功能解析
文本处理
cleaned_text re.sub(r[^\w\s], , text.lower())
words cleaned_text.split() 使用正则表达式 [^\w\s] 匹配所有非单词字符字母、数字、下划线和非空白字符 将这些字符替换为空字符串从而移除标点符号 将文本转为小写使Word和word被视为同一个单词 使用split()分割单词 词频统计
self.word_freq Counter(words)
Counter是Python的高效计数工具可以快速统计每个单词的出现次数
可视化展示
plt.figure(figsize(12, 8))
plt.barh(top_words[::-1], counts[::-1], colorskyblue)创建水平条形图 使用[::-1]反转列表使最常见的单词显示在顶部 设置图表大小和颜色
多行文本输入
text input(请输入文本(输入空行结束):\n)
lines []
while text.strip():lines.append(text)text input()
full_text \n.join(lines) 允许用户输入多行文本 当用户输入空行时结束输入 将所有行连接成完整文本
这个程序提供了一个完整的词频分析解决方案从文本输入、处理、分析到结果展示和导出功能全面且用户友好。 三、完整代码
import re
from collections import Counter
import matplotlib.pyplot as pltclass WordFrequencyAnalyzer:def __init__(self):self.word_freq Counter()self.total_words 0self.unique_words 0self.most_common []self.text_source 未加载文本def load_text(self, text):从字符串加载文本self.text_source 直接输入的文本self._process_text(text)def load_file(self, filename):从文件加载文本try:with open(filename, r, encodingutf-8) as file:text file.read()self.text_source filenameself._process_text(text)return Trueexcept FileNotFoundError:print(f错误: 文件 {filename} 未找到)return Falseexcept Exception as e:print(f读取文件时出错: {e})return Falsedef _process_text(self, text):处理文本并统计词频# 转换为小写并移除标点符号cleaned_text re.sub(r[^\w\s], , text.lower())# 分割单词words cleaned_text.split()# 更新统计self.word_freq Counter(words)self.total_words len(words)self.unique_words len(self.word_freq)self.most_common self.word_freq.most_common()def get_total_words(self):获取总单词数return self.total_wordsdef get_unique_words(self):获取唯一单词数return self.unique_wordsdef get_most_common(self, n10):获取出现频率最高的前n个单词return self.most_common[:n]def get_word_frequency(self, word):获取特定单词的出现频率return self.word_freq.get(word.lower(), 0)def print_summary(self):打印统计摘要print(\n 文本词频统计摘要 )print(f文本来源: {self.text_source})print(f总单词数: {self.total_words})print(f唯一单词数: {self.unique_words})print(f词汇丰富度: {self.unique_words/self.total_words:.2%})# 打印最常见的10个单词print(\n最常见的10个单词:)for i, (word, count) in enumerate(self.get_most_common(10), 1):print(f{i}. {word}: {count}次 ({count/self.total_words:.2%}))def print_all_frequencies(self):打印所有单词及其频率print(\n 所有单词频率 )for word, count in sorted(self.word_freq.items()):print(f{word}: {count}次)def export_to_csv(self, filenameword_frequency.csv):将词频统计导出到CSV文件try:with open(filename, w, encodingutf-8) as file:file.write(单词,出现次数,频率\n)for word, count in self.most_common:frequency count / self.total_wordsfile.write(f{word},{count},{frequency:.6f}\n)print(f词频统计已导出到 {filename})return Trueexcept Exception as e:print(f导出失败: {e})return Falsedef visualize_top_words(self, n15):可视化展示前n个最常见单词if not self.most_common:print(没有可用的数据)returntop_words [word for word, _ in self.most_common[:n]]counts [count for _, count in self.most_common[:n]]plt.figure(figsize(12, 8))plt.barh(top_words[::-1], counts[::-1], colorskyblue)plt.xlabel(出现次数)plt.title(f文本中最常见的 {n} 个单词)plt.tight_layout()plt.show()def main():analyzer WordFrequencyAnalyzer()print( 文本词频统计器 )print(1. 输入文本)print(2. 从文件加载)print(3. 查看统计摘要)print(4. 查询单词频率)print(5. 查看所有单词频率)print(6. 导出到CSV)print(7. 可视化展示)print(8. 退出)while True:choice input(\n请选择操作: )if choice 1:text input(请输入文本(输入空行结束):\n)lines []while text.strip():lines.append(text)text input()full_text \n.join(lines)analyzer.load_text(full_text)print(f已加载文本共{analyzer.get_total_words()}个单词)elif choice 2:filename input(请输入文件名: )if analyzer.load_file(filename):print(f已从文件加载共{analyzer.get_total_words()}个单词)elif choice 3:if analyzer.total_words 0:analyzer.print_summary()else:print(请先加载文本)elif choice 4:if analyzer.total_words 0:word input(请输入要查询的单词: ).strip()count analyzer.get_word_frequency(word)if count 0:freq count / analyzer.get_total_words()print(f单词 {word} 出现了 {count} 次 (频率: {freq:.2%}))else:print(f单词 {word} 未在文本中出现)else:print(请先加载文本)elif choice 5:if analyzer.total_words 0:analyzer.print_all_frequencies()else:print(请先加载文本)elif choice 6:if analyzer.total_words 0:filename input(请输入导出文件名(默认: word_frequency.csv): )if not filename:filename word_frequency.csvanalyzer.export_to_csv(filename)else:print(请先加载文本)elif choice 7:if analyzer.total_words 0:n input(显示前多少个单词? (默认15): )try:n int(n) if n.strip() else 15analyzer.visualize_top_words(n)except ValueError:print(请输入有效数字)else:print(请先加载文本)elif choice 8:print(感谢使用文本词频统计器!)breakelse:print(无效选择请重新输入)if __name__ __main__:main()
