2022年政府工作报告词频分析

2022年政府工作报告词频分析

a.获取网页文件（捕获异常）
b.筛选有用目标
c.写入文件
d.文件预处理：去除无用字符及停用词汇
e.词频统计，建立字典，按词频排序并输出
f.绘制词云

from bs4 import BeautifulSoup
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import requests
import jieba

url=“http://www.gov.cn/premier/2022-03/12/content_5678750.htm”#2022年政府工作报告网址
try:
response=requests.get(url)
response.raise_for_status()# 如果响应状态码不是200，主动抛出异常
html=response.content.decode(“utf-8”)#爬取网页文件
except requests.requestException as e:
print(e) #打印异常信息内容
soup=BeautifulSoup(html,“html.parser”) #html文件解析
content=soup.find(“div”,class_=“pages_content”).text #筛选目标
fileName=“2022政府工作报告.txt”
with open(fileName,“w”) as f:
f.write(content)
#print(content)
with open(fileName,‘r’) as f1:
text1=f1.read()
#去除特殊符号
f