ホットワードは、フィールド内の情報08の解析及びセグメンテーション、洗浄jiebaを使用してクロールプロセスデータの第2ステップの解釈を分類しました

直接コードに：

インポートjiebaの
PDのようなインポートパンダ
インポート再
コレクションからは、カウンタを読み込む

場合__name __ == '__ MAIN__'：
    ファイルハンドル=オープン（ "news.txt"、 "R"、コード= 'UTF-8'）。
    mystr = filehandle.read（）
    seg_list = jieba.cut（mystr）＃默认是精确模式
    プリント（seg_list）
    #all_words = cut_words.split（）
    #print（all_words）
    ストップワード= {} .fromkeys（[line.rstrip（） '）]（r'stopwords.txt）オープンのラインのための
    C =カウンター（）
    ：seg_listにおけるxについて
            ：Xならないストップワードで
                \ R \ n 'は：lenの場合（X）> 1かつx =！' 
                    C [ X] + = 1 
 
    プリント（ '\ nは词频统计结果：'）
    のための（K、V）c.most_common（100）において：＃输出词频最高的前两个词
        印刷（ "％S：％のD" ％（K、V））

    #Print（myStr）は
    （）をfilehandle.close; 
＃= SEG2 jieba.cut（。 "よく学ぶのpython、便利"、cut_all = False）が
＃を印刷（ "ファインモード（また、デフォルトモード）："、 '' .join（ SEG2））

　　

ファイル名を指定して実行ショット：

 

 

 

 要約：最初のステップはstop.txtと、単語、単語除去余分単語によれば、次にクロール、クロール大量のデータです。 

次いで、上記のデータを得ることができます。

stop.txtの一部スクリーンショット：