从json到抽取关键词

代码：

import json 
from bs4 import BeautifulSoup
import jieba
import jieba.analyse


# 读取json文件第一行的内容

f = open("items.json")
# 读取第一行
dic = json.loads(next(f))
content = dic["content"]
print(content)

运行结果：

<div class="article" id="article">
				<div><p>证券时报网（www.stcn.com）04月03日讯</p> <p>ST华泽复牌连续10日跌停，报7.5元，仍有逾70万手卖单封板。公司预计2017年亏损14-19亿元，公司股票将因连续三年亏损被暂停上市。</p><p>华商基金今年2月发布公告称，自2018年2月1日起，对旗下基金持有的*ST华泽股票进一步进行估值调整，调整后的估值价格为0.55元，相当于复牌后有连续61个跌停。</p> <p>（证券时报网快讯中心）</p>   </div>
				
				  </div>

代码：

# Beautiful解析

soup = BeautifulSoup(content, "lxml")
print("===" * 20)
print(soup.findAll('p'))
print("===" * 20)
for x in soup.findAll('p'):
    print(x.text)
print("===" * 20)
# 列表解析式
sentence = "\n".join([x.text for x in soup.findAll("p")])
print(sentence)

运行结果：

============================================================
[<p>证券时报网（www.stcn.com）04月03日讯</p>, <p>ST华泽复牌连续10日跌停，报7.5元，仍有逾70万手卖单封板。公司预计2017年亏损14-19亿元，公司股票将因连续三年亏损被暂停上市。</p>, <p>华商基金今年2月发布公告称，自2018年2月1日起，对旗下基金持有的*ST华泽股票进一步进行估值调整，调整后的估值价格为0.55元，相当于复牌后有连续61个跌停。</p>, <p>（证券时报网快讯中心）</p>]
============================================================
证券时报网（www.stcn.com）04月03日讯
ST华泽复牌连续10日跌停，报7.5元，仍有逾70万手卖单封板。公司预计2017年亏损14-19亿元，公司股票将因连续三年亏损被暂停上市。
华商基金今年2月发布公告称，自2018年2月1日起，对旗下基金持有的*ST华泽股票进一步进行估值调整，调整后的估值价格为0.55元，相当于复牌后有连续61个跌停。
（证券时报网快讯中心）
============================================================
证券时报网（www.stcn.com）04月03日讯
ST华泽复牌连续10日跌停，报7.5元，仍有逾70万手卖单封板。公司预计2017年亏损14-19亿元，公司股票将因连续三年亏损被暂停上市。
华商基金今年2月发布公告称，自2018年2月1日起，对旗下基金持有的*ST华泽股票进一步进行估值调整，调整后的估值价格为0.55元，相当于复牌后有连续61个跌停。
（证券时报网快讯中心）

代码：

# 关键词抽取

kwords = jieba.analyse.extract_tags(sentence, topK=5)
print("===" * 20)
print("/".join(kwords))

# 词性过滤
kwords = jieba.analyse.extract_tags(sentence, topK=5, allowPOS=('ns','n','vn','v','nr'))
print("===" * 20)
print("/".join(kwords))

运行结果：

============================================================
ST/连续/证券时报/跌停/亏损
============================================================
证券时报/跌停/亏损/华泽复/卖单