大家好！我是進階者。
前言
前幾天一個在校大學生問了一些關于詞頻、分詞和可視化方面的問題，結合爬蟲，確實可以做點東西出來，可以玩玩，還是蠻不錯的，這里整理成一篇文章文本出現(xiàn)代碼怎么辦，分享給大家。
本文主要涉及的庫有爬蟲庫、詞頻統(tǒng)計庫、數(shù)據(jù)處理庫numpy、結巴分詞庫jieba 、可視化庫等等。
一、數(shù)據(jù)來源
關于數(shù)據(jù)方面，這里直接是從新聞平臺上進行獲取的文本信息，其實這個文本文件可以拓展開來，你可以自定義文本，也可以是報告，商業(yè)報告，政治報告等，也可以是新聞平臺，也可以是論文，也可以是微博熱評，也可以是網(wǎng)易云音樂熱評等等，只要涉及到大量文本的，都可以引用本文的代碼，進行詞頻分詞、統(tǒng)計、可視化等。
二、數(shù)據(jù)獲取
數(shù)據(jù)獲取十分簡單文本出現(xiàn)代碼怎么辦，一個簡單的爬蟲和存儲就可以搞定，這里以一篇新聞為例進行演示，代碼如下：
代碼運行之后，在本地會得到一個【報告.txt】文件，文件內容就是網(wǎng)站上的文本信息。如果你想獲取其他網(wǎng)站上的文本，需要更改下鏈接和提取規(guī)則。
三、詞頻統(tǒng)計
接下來就是詞頻統(tǒng)計了，代碼如下所示。
首先讀取文本信息，之后對文本進行預處理，提取文字信息，并且可以自定義詞庫，作為停用詞，之后將獲取到的詞頻做詞頻統(tǒng)計，獲取前30最高頻的詞，并進行打印，輸出結果如下圖所示。
四、可視化
接下來就是可視化部分了，這里直接上代碼，如下所示。
輸出結果是一個線圖，看上去還不錯。
五、總結
本文基于網(wǎng)絡爬蟲獲取到的文本文件，通過詞頻、分詞和可視化等處理，完成一個較為簡單的項目，歡迎大家積極嘗試。