手把手教你对抓取的文本进行分词、词频统计、词云可视化和情感分析

手把手教你对抓取的文本进行分词、词频统计、词云可视化和情感分析

2024-10-31 19:54

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

苍苍竹林寺，杳杳钟声晚。

大家好，我是Python进阶者。

前几天星耀群有个叫【小明】的粉丝在问了一道关于Python处理文本可视化+语义分析的问题，如下图所示。

他要构建语料库，目前通过Python网络爬虫抓到的数据存在一个csv文件里边，现在要把数据放进txt里，表示不会，然后还有后面的词云可视化，分词，语义分析等，都不太会。

关于词云的文章，历史文章已经写了十几篇了，感兴趣的话可以在公众号历史文章搜索关键字“词云”前往，但是关于分词和语义分析的文章，就分享过一篇，这个我在读研的时候写的，虽然有些时日，但是内容依旧精彩，欢迎前往查探：Python大佬分析了15万歌词，告诉你民谣歌手们到底在唱什么。

内容稍微有点多，大体思路如下，先将csv中的文本取出，之后使用停用词做分词处理，再做词云图，之后做情感分析。

1、将csv文件中的文本逐行取出，存新的txt文件，这里运行代码《读取csv文件中文本并存txt文档.py》进行实现，得到文件《职位表述文本.txt》

2、运行代码《使用停用词获取最后的文本内容.py》，得到使用停用词获取最后的文本内容，生成文件《职位表述文本分词后_outputs.txt》

3、运行代码《指定txt词云图.py》，可以得到词云图；

4、运行代码《jieba分词并统计词频后输出结果到Excel和txt文档.py》，得到《wordCount_all_lyrics.xls》和《分词结果.txt》文件，将《分词结果.txt》中的统计值可以去除，生成《情感分析用词.txt》，给第五步情感分析做准备

5、运行代码《情感分析.py》，得到情感分析的统计值，取平均值可以大致确认情感是正还是负。

这里运行代码《读取csv文件中文本并存txt文档.py》进行实现，得到文件《职位表述文本.txt》，代码如下。

运行代码《使用停用词获取最后的文本内容.py》，得到使用停用词获取最后的文本内容，生成文件《职位表述文本分词后_outputs.txt》，代码如下：

关键节点，都有相应的注释，你只需要替换对应的txt文件即可，如果有遇到编码问题，将utf-8改为gbk即可解决。

运行代码《指定txt词云图.py》，可以得到词云图，代码如下：

如果想用你自己的图片，只需要替换原始图片即可。这里使用Python底图做演示，得到的效果如下：

运行代码《jieba分词并统计词频后输出结果到Excel和txt文档.py》，得到《wordCount_all_lyrics.xls》和《分词结果.txt》文件，将《分词结果.txt》中的统计值可以去除，生成《情感分析用词.txt》，给第五步情感分析做准备，代码如下：

得到的txt和excel文件如下所示：

运行代码《情感分析.py》，得到情感分析的统计值，取平均值可以大致确认情感是正还是负，代码如下：

基于NLP语义分析，程序运行之后，得到的情感得分值如下图所示：

将得数取平均值，一般满足0.5分以上，说明情感是积极的，这里经过统计之后，发现整体是积极的。

我是Python进阶者。本文基于粉丝提问，针对一次文本处理，手把手教你对抓取的文本进行分词、词频统计、词云可视化和情感分析，算是完成了一个小项目了。下次再遇到类似这种问题或者小的课堂作业，不妨拿本项目练练手，说不定有妙用噢，拿个高分不在话下！

最后感谢粉丝【小明】提问，感谢【🌑（这是月亮的背面）】、【Python进阶者】大佬解惑，感谢【冫马讠成】大佬提供积极参与。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。

------------------- End -------------------

往期精彩文章推荐：

欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群】

万水千山总是情，点个【在看】行不行