思路：
1.读取所有文章标题；
2.用“结巴分词”的工具包进行文章标题的词语分割；
3.用“sklearn”的工具包计算Tf-idf（词频-逆文档率）;
4.得到满足关键词权重阈值的词
结巴分词详见：结巴分词Github
sklearn详见：文本特征提取——4.2.3.4 Tf-idf项加权
import os
import jieba
import sys
from sklearn.feature_extraction.text import TfidfVectorizer
sys.path.append(../)
jieba.load_userdict('userdictTest.t
2022-03-15 16:37:57
72KB
1
这是我的jieba库的压缩包，有需要的可以直接下载，已经安装完毕的，解压可以直接用。拿走不谢哈哈，希望你们安装成功，不要被这种小事情伤脑筋呀。
2022-02-09 20:45:01
35.09MB
1
jieba-0.42.1.tar.gz下载 jieba-0.42.1.tar.gz下载 jieba-0.42.1.tar.gz下载
2022-01-17 11:54:26
18.32MB
1
分析三国演义和红楼梦，进行中文分词，统计人物出场频次，生成词云图。分享给广大python爱好者学习交流。
2022-01-08 22:54:06
10.73MB
1
文件内包含 jieba 百度60万+分词词库（带词性权重和不带词性权重的文件各一份），附带停用词词库，词性和权重由机器学习等技术手段生成，持续优化中，欢迎私信提供宝贵意见。
2021-12-27 16:04:54
5.78MB
前段时间奉俊昊的《寄生虫》在奥斯卡上获得不少奖项，我也比较喜欢看电影，看过这部电影后比较好奇其他人对这部电影的看法，于是先用R爬取了部分豆瓣影评，jieba分词后做了词云了解，但是如果不登录豆瓣直接爬取影评只可以获得十页短评，这个数据量我认为有点少，于是整理了python模拟登录豆瓣，批量爬取数据，制作特别样式词云的方法。
一、 用到的Python库
import os ##提供访问操作系统服务的功能
import re ##正则表达式
import time ##处理时间的标准库
import random ##使用随机数标准库
import requests ##实现登录
import n
2021-12-22 08:27:28
847KB
1