Python大数据文本分析及应用

实践课题报告: 大数据文本分析与应用

学 校:xxx

学 院:大数据与智能工程学院

专 业:信息工程(数据科学与大数据技术)

年 级:2017级

学 号:xxx

姓 名:xxx

指导老师:xxx

日 期:2019 年 6 月 27 日 至 29 日

实习要求:

使用Python,实现对英文小说的词频解析,并将每章的词频结果存入到Mysql数据库中。
开发简易信息系统,实现对某篇小说的词频查询。

环境配置

1.Python3.7 (数据处理及对数据库的操作)
2.MySQL5.7(存储分析结果)
3.Tomcat9(部署前端代码,实现客户端访问)

第一步:读取数据,并进行预处理

#获取数据并对其进行去空行,空白处理
def get_data( filename):
    data = ''
    with open(filename, "r") as f:
        for line in f.readlines():
            line = line.rstrip() #去掉列表右边的空白
            line = line.lstrip() #去掉列表左边的空白
            #全变为小写
            #line = line.lower()
            #将特殊字符替换为空格
            for ch in '!"#$%@~`^&*\'\“”’。,()_-+=/{\\}[|]?.><,/;':
                line = line.replace(ch, " ") 
            if line is not '':
                data = data+line+' '
    return data

```python

第二步:按章节进行分词和统计

#获取章节单词 ,key="CHAPTER",章节分割词
def get_chapter_word(key ,data):
    #分词
    words = data.split()
    chapters ={}
    j=0
    for word in words:
        if(word == key):
                j+=1
        if j == 0:
            chapters['book'] = chapters.get('book','')+word+" "
        else:
            keys = key+str(j)
            chapters[keys] = chapters.get(keys,'')+word+" "
    chapter_words = list(chapters.items())
    return chapter_words
#按按章节进行词频统计
def word_count(chapter_word):
     #全变为小写
    chapter_word = chapter_word.lower()
    words = chapter_word.split()
    #字典存储单词和数量
    counts ={}
    for word in words:
        counts[word] = counts.get(word,0) + 1
    items = list(counts.items())
    #大到小快速排序
    items.sort(key=lambda x:x[1], reverse=True)
    return items

第三步:数据库操作

import pymysql
#连接数据库
def connectdb():
    localhost = " localhost"
    username = "root"
    password = "123456"
    DBname = "test"
    #print('连接到mysql服务器...')
    # 打开数据库连接
    db = pymysql.connect(localhost,username,password,DBname)
    #print('连接上了!')
    return db
    
#存入数据库,书名,章节,单词,词频
def insert(db,bookname,chapter,word, counts):
    # 使用cursor()方法获取操作游标 
    cursor = db.cursor()
    # SQL 插入语句
    sql = "INSERT INTO txtdata(bookname, \
       chapter, word, counts) \
       VALUES ('%s', '%s', '%s',  %s)" % \
       (bookname, chapter,word, counts)
    try:
        # 执行sql语句
        cursor.execute(sql)
        # 执行sql语句
        db.commit()
    except:
        # 发生错误时回滚
        db.rollback()

#查询数据库
def select(sql):
    #连接数据库
    db= connectdb()
    # 使用cursor()方法获取操作游标 
    cursor = db.cursor()
    try:
        #记录总的次数
        count = 0
        # 执行SQL语句
        cursor.execute(sql)
        # 获取所有记录列表
        results = cursor.fetchall()
        for row in results:
            bookname = row[0]
            chapter = row[1]
            counts = row[2]
            count += counts
            # 打印结果
            print ("书名:%s \t 章节:%s \t 词频:%d" %(bookname,chapter,counts))
        print("总的出现频率为:%d"%(count))
    except:
        print ("词库无此单词!!!")
    # 关闭数据库连接
    db.close()  
    
#按单词查询所有的词频记录
def select_by_word(word):
    # SQL 查询语句
    sql = "SELECT bookname, chapter,counts FROM txtdata WHERE trim(replace(word,' ','')) = trim(replace('%s',' ',''))" % (word)
    #调用查询函数
    select(sql)
    
#查询指定书的查询指定单词的词频
def select_by_bookname(bookname,word):
    # SQL 查询语句
    sql = "SELECT bookname, chapter,counts FROM txtdata WHERE trim(replace(bookname,' ','')) =\
    trim(replace('%s',' ','')) and trim(replace(word,' ','')) = trim(replace('%s',' ',''))" % (bookname,word)
    #调用查询函数
    select(sql)

第四步:存储数据,查询词频

#存入数据库主函数
def insert_main(filename):
    #filename = 'Jane_Eyre.txt'
    #读取数据
    data=get_data(filename)
    #获取章节单词 ,key="CHAPTER",章节分割词库
    key="CHAPTER"
    #录入信息条数
    count = 0
    
     #连接数据库
    db= connectdb()

    chapter_words = get_chapter_word(key ,data)
    for i in range(len(chapter_words)):
        if i == 0:
            continue
        else:
            chapter,chapter_word = chapter_words[i]
            chapter_word = chapter_word.rstrip().lstrip()
            #按按章节进行词频统计
            items = word_count(chapter_word)
            for j in range(len(items)):
                word, counts= items[j]
                #print("{0:<10}{1:>5}".format(word, count))
                try:
                    #存入数据库,书名,章节,单词,词频
                    insert(db,chapter_words[0][1],chapter,word, counts)
                except:
                    continue
                count+=1
        print("已录入%d章节的数据》》》"%(i))
    # 关闭数据库连接
    db.close()  
    print("本次总共录入%d条数据"%(count))
#按单词查询主函数
def select_main():
    word = input("请输入你要查询的单词:")
    word = word.lower()
    print("\n查询结果:\n")
    select_by_word(word)
##查询指定书的查询指定单词的词频主函数
def select_by_bookname_main():
    bookname = input("请输入书名:")
    word = input("\n请输入你要查询的单词:")
    word = word.lower()
    print("\n查询结果:\n")
    select_by_bookname(bookname,word)

第五步:测试

存入数据库

# txt文件和当前脚本在同一目录下,所以不用写具体路径
filename_path = ['Two_Cities.txt','Jane_Eyre.txt']
for filename in filename_path:
    #存入数据库
   # insert_main(filename)
已录入1章节的数据》》》
已录入2章节的数据》》》
已录入3章节的数据》》》
已录入4章节的数据》》》
已录入5章节的数据》》》
已录入6章节的数据》》》
已录入7章节的数据》》》
已录入8章节的数据》》》
已录入9章节的数据》》》
已录入10章节的数据》》》
已录入11章节的数据》》》
已录入12章节的数据》》》
已录入13章节的数据》》》
已录入14章节的数据》》》
已录入15章节的数据》》》
已录入16章节的数据》》》
已录入17章节的数据》》》
已录入18章节的数据》》》
已录入19章节的数据》》》
已录入20章节的数据》》》
已录入21章节的数据》》》
已录入22章节的数据》》》
已录入23章节的数据》》》
已录入24章节的数据》》》
已录入25章节的数据》》》
已录入26章节的数据》》》
已录入27章节的数据》》》
已录入28章节的数据》》》
已录入29章节的数据》》》
已录入30章节的数据》》》
已录入31章节的数据》》》
已录入32章节的数据》》》
已录入33章节的数据》》》
已录入34章节的数据》》》
已录入35章节的数据》》》
已录入36章节的数据》》》
已录入37章节的数据》》》
已录入38章节的数据》》》
已录入39章节的数据》》》
已录入40章节的数据》》》
已录入41章节的数据》》》
已录入42章节的数据》》》
已录入43章节的数据》》》
已录入44章节的数据》》》
本次总共录入%d条数据
已录入1章节的数据》》》
已录入2章节的数据》》》
已录入3章节的数据》》》
已录入4章节的数据》》》
已录入5章节的数据》》》
已录入6章节的数据》》》
已录入7章节的数据》》》
已录入8章节的数据》》》
已录入9章节的数据》》》
已录入10章节的数据》》》
已录入11章节的数据》》》
已录入12章节的数据》》》
已录入13章节的数据》》》
本次总共录入%d条数据

数据库表

Python大数据文本分析及应用_第1张图片

按单词查询所有

 #查询1
select_main()
请输入你要查询的单词:the

查询结果:

书名: Two Cities 	 章节:CHAPTER1 	 词频:79
书名: Two Cities 	 章节:CHAPTER2 	 词频:194
书名: Two Cities 	 章节:CHAPTER3 	 词频:123
书名: Two Cities 	 章节:CHAPTER4 	 词频:203
书名: Two Cities 	 章节:CHAPTER5 	 词频:284
书名: Two Cities 	 章节:CHAPTER6 	 词频:331
书名: Two Cities 	 章节:CHAPTER7 	 词频:171
书名: Two Cities 	 章节:CHAPTER8 	 词频:298
书名: Two Cities 	 章节:CHAPTER9 	 词频:89
书名: Two Cities 	 章节:CHAPTER10 	 词频:137
书名: Two Cities 	 章节:CHAPTER11 	 词频:228
书名: Two Cities 	 章节:CHAPTER12 	 词频:263
书名: Two Cities 	 章节:CHAPTER13 	 词频:166
书名: Two Cities 	 章节:CHAPTER14 	 词频:348
书名: Two Cities 	 章节:CHAPTER15 	 词频:94
书名: Two Cities 	 章节:CHAPTER16 	 词频:41
书名: Two Cities 	 章节:CHAPTER17 	 词频:102
书名: Two Cities 	 章节:CHAPTER18 	 词频:56
书名: Two Cities 	 章节:CHAPTER19 	 词频:212
书名: Two Cities 	 章节:CHAPTER20 	 词频:87
书名: Two Cities 	 章节:CHAPTER21 	 词频:284
书名: Two Cities 	 章节:CHAPTER22 	 词频:208
书名: Two Cities 	 章节:CHAPTER23 	 词频:118
书名: Two Cities 	 章节:CHAPTER24 	 词频:152
书名: Two Cities 	 章节:CHAPTER25 	 词频:34
书名: Two Cities 	 章节:CHAPTER26 	 词频:264
书名: Two Cities 	 章节:CHAPTER27 	 词频:145
书名: Two Cities 	 章节:CHAPTER28 	 词频:232
书名: Two Cities 	 章节:CHAPTER29 	 词频:252
书名: Two Cities 	 章节:CHAPTER30 	 词频:296
书名: Two Cities 	 章节:CHAPTER31 	 词频:167
书名: Two Cities 	 章节:CHAPTER32 	 词频:78
书名: Two Cities 	 章节:CHAPTER33 	 词频:178
书名: Two Cities 	 章节:CHAPTER34 	 词频:121
书名: Two Cities 	 章节:CHAPTER35 	 词频:191
书名: Two Cities 	 章节:CHAPTER36 	 词频:106
书名: Two Cities 	 章节:CHAPTER37 	 词频:227
书名: Two Cities 	 章节:CHAPTER38 	 词频:270
书名: Two Cities 	 章节:CHAPTER39 	 词频:352
书名: Two Cities 	 章节:CHAPTER40 	 词频:53
书名: Two Cities 	 章节:CHAPTER41 	 词频:146
书名: Two Cities 	 章节:CHAPTER42 	 词频:252
书名: Two Cities 	 章节:CHAPTER43 	 词频:204
书名: Two Cities 	 章节:CHAPTER44 	 词频:150
书名: Jane Eyre 	 章节:CHAPTER1 	 词频:86
书名: Jane Eyre 	 章节:CHAPTER2 	 词频:104
书名: Jane Eyre 	 章节:CHAPTER3 	 词频:118
书名: Jane Eyre 	 章节:CHAPTER4 	 词频:203
书名: Jane Eyre 	 章节:CHAPTER5 	 词频:264
书名: Jane Eyre 	 章节:CHAPTER6 	 词频:110
书名: Jane Eyre 	 章节:CHAPTER7 	 词频:178
书名: Jane Eyre 	 章节:CHAPTER8 	 词频:90
书名: Jane Eyre 	 章节:CHAPTER9 	 词频:128
书名: Jane Eyre 	 章节:CHAPTER10 	 词频:179
书名: Jane Eyre 	 章节:CHAPTER11 	 词频:250
书名: Jane Eyre 	 章节:CHAPTER12 	 词频:164
书名: Jane Eyre 	 章节:CHAPTER13 	 词频:160
总的出现频率为:10020

按指定书名查询指定单词的词频

 #查询2
select_by_bookname_main()
请输入书名:Jane Eyre

请输入你要查询的单词:the

查询结果:

书名: Jane Eyre 	 章节:CHAPTER1 	 词频:86
书名: Jane Eyre 	 章节:CHAPTER2 	 词频:104
书名: Jane Eyre 	 章节:CHAPTER3 	 词频:118
书名: Jane Eyre 	 章节:CHAPTER4 	 词频:203
书名: Jane Eyre 	 章节:CHAPTER5 	 词频:264
书名: Jane Eyre 	 章节:CHAPTER6 	 词频:110
书名: Jane Eyre 	 章节:CHAPTER7 	 词频:178
书名: Jane Eyre 	 章节:CHAPTER8 	 词频:90
书名: Jane Eyre 	 章节:CHAPTER9 	 词频:128
书名: Jane Eyre 	 章节:CHAPTER10 	 词频:179
书名: Jane Eyre 	 章节:CHAPTER11 	 词频:250
书名: Jane Eyre 	 章节:CHAPTER12 	 词频:164
书名: Jane Eyre 	 章节:CHAPTER13 	 词频:160
总的出现频率为:2034

六、前端页面效果

index.jsp

<%@ page language="java" import="java.util.*" contentType="text/html; charset=UTF-8"
    pageEncoding="UTF-8"%>
    <% request.setCharacterEncoding("UTF-8"); %> 
<%@ page import="java.sql.*"%> 
<html>
<head>
<title>Python大数据文本分析title>
<body >   

<br/><br/><br/> <h1>Python大数据文本分析h1><br/> <p>目前已有书本:<a>Jane Eyrea>      <a>Two_Citiesa> <br/><br/> <a href="word.jsp"><h3>按单词查询所有书本的词频h3>a> <br><br> <a href="book.jsp"><h3>查询指定书本中的指定单词词频h3>a> div> body> html>

Python大数据文本分析及应用_第2张图片

word.jsp

<%@ page language="java" import="java.util.*" contentType="text/html; charset=UTF-8"
    pageEncoding="UTF-8"%>
    <% request.setCharacterEncoding("UTF-8"); %>
<%@ page import="java.sql.*"%> 
<html>
<head>
<title>查询title>
<body >   
<br/><br/><br/> <h3>查询指定书本中的指定单词词频h3><br/><br/> <p>目前已有书本:<a>Jane Eyrea>      <a>Two_Citiesa> <br/><br/><br/> <form action="select_word.jsp" method="post"> <p>请输入单词:<input type="text" name="word" /><br/> <p><input type="submit" value="查询"/> <p><a href="index.jsp">返回首页a> <div> body> html>

Python大数据文本分析及应用_第3张图片

select_word.jsp

<%@ page language="java" import="java.util.*" contentType="text/html; charset=UTF-8"
    pageEncoding="UTF-8"%>
    <% request.setCharacterEncoding("UTF-8"); %>
<%@ page import="java.sql.*"%>

<%@ taglib uri="http://java.sun.com/jsp/jstl/core" prefix="c"%>
<%@ taglib uri="http://java.sun.com/jsp/jstl/sql" prefix="sql"%>

<html>   
<body > 
<sql:setDataSource var="snapshot" driver="com.mysql.jdbc.Driver"
     url="jdbc:mysql://127.0.0.1:3306/test?useUnicode=true&characterEncoding=utf-8"
     user="root"  password="123456"/>
 
 <sql:query dataSource="${snapshot}" var="result">
 SELECT bookname,chapter,word,counts FROM txtdata WHERE trim(replace(word,' ','')) = trim(replace('${param.word}',' ',''))

sql:query>
<div align="center" style="width: 80%;">
 <h1>Python大数据文本分析<h1><br/><br/>
<table align="center" border="1" width="70%">
<tr>
   <th>书名th>
   <th>章节th>
   <th>单词th>
   <th>词频th>
tr>
<c:forEach var="row" items="${result.rows}">
<tr>
   <td><c:out value="${row.bookname}"/>td>
   <td><c:out value="${row.chapter}"/>td>
   <td><c:out value="${row.word}"/>td>
   <td><c:out value="${row.counts}"/>td>
tr>
c:forEach>
table>
<p><a href="index.jsp">返回首页a>
div>
body>   
html> 

Python大数据文本分析及应用_第4张图片

book.jsp

<%@ page language="java" import="java.util.*" contentType="text/html; charset=UTF-8"
    pageEncoding="UTF-8"%>
    <% request.setCharacterEncoding("UTF-8"); %>
<%@ page import="java.sql.*"%> 
<html>
<head>
<title>查询title>
<body >   
<br/><br/><br/> <h3>查询指定书本中的指定单词词频h3><br/><br/> <p>目前已有书本:<a>Jane Eyrea>      <a>Two_Citiesa> <br/><br/><br/> <form action="select_book.jsp" method="post"> <p>请输入书名:<input type="text" name="book" /><br/> <p>请输入单词:<input type="text" name="word" /><br/> <p><input type="submit" value="查询"/> <p><a href="index.jsp">返回首页a> <div> body> html>

Python大数据文本分析及应用_第5张图片

select_book.jsp

<%@ page language="java" import="java.util.*" contentType="text/html; charset=UTF-8"
    pageEncoding="UTF-8"%>
    <% request.setCharacterEncoding("UTF-8"); %>
<%@ page import="java.sql.*"%>

<%@ taglib uri="http://java.sun.com/jsp/jstl/core" prefix="c"%>
<%@ taglib uri="http://java.sun.com/jsp/jstl/sql" prefix="sql"%>

<html>   
<body > 

<sql:setDataSource var="snapshot" driver="com.mysql.jdbc.Driver"
     url="jdbc:mysql://127.0.0.1:3306/test?useUnicode=true&characterEncoding=utf-8"
     user="root"  password="123456"/>
 
 <sql:query dataSource="${snapshot}" var="result">
 SELECT bookname, chapter, word,counts FROM txtdata WHERE trim(replace(bookname,' ','')) =trim(replace('${param.book}',' ','')) and trim(replace(word,' ','')) = trim(replace('${param.word}',' ',''))

sql:query>
<div align="center" style="width: 80%;">
 <h1>Python大数据文本分析<h1><br/><br/>
<table align="center" border="1" width="70%">
<tr>
   <th>书名th>
   <th>章节th>
   <th>单词th>
   <th>词频th>
tr>
<c:forEach var="row" items="${result.rows}">
<tr>
   <td><c:out value="${row.bookname}"/>td>
   <td><c:out value="${row.chapter}"/>td>
   <td><c:out value="${row.word}"/>td>
   <td><c:out value="${row.counts}"/>td>
tr>
c:forEach>
table>
<p><a href="index.jsp">返回首页a>
div>
body>   
html> 

Python大数据文本分析及应用_第6张图片

数据集及源码

你可能感兴趣的:(大数据算法,Python)