怎样用python分析文本

用 Python 分析文本可以从简单统计到自然语言处理（NLP），逐步深入。下面我按“由浅入深”的方式给你一个实用指南，并附上代码示例。

一、最基础：文本读取与统计

1. 读取文本

with open("example.txt", "r", encoding="utf-8") as f:
    text = f.read()

2. 基本统计

print(len(text))          # 字符数
print(text.split())       # 按空格分词
print(len(text.split()))  # 词数

二、词频分析（最常用）

使用 collections

from collections import Counter

words = text.lower().split()
word_counts = Counter(words)

print(word_counts.most_common(10))

中文分词（需用 jieba）

import jieba
from collections import Counter

words = jieba.lcut(text)
word_counts = Counter(words)

print(word_counts.most_common(10))

安装：

pip install jieba

三、文本清洗（很重要）

import re

text = re.sub(r"\W+", " ", text)  # 去标点
text = text.lower()

四、可视化词频

import matplotlib.pyplot as plt

words, counts = zip(*word_counts.most_common(10))

plt.bar(words, counts)
plt.show()

五、情感分析

使用 SnowNLP（中文）

pip install snownlp

from snownlp import SnowNLP

s = SnowNLP("这部电影真的很好看")
print(s.sentiments)  # 越接近1越正面

六、关键词提取

import jieba.analyse

keywords = jieba.analyse.extract_tags(text, topK=10)
print(keywords)

七、文本相似度

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

docs = ["我喜欢Python", "我讨厌Java"]
vec = TfidfVectorizer().fit_transform(docs)

print(cosine_similarity(vec[0], vec[1]))

八、进阶方向（可选）

• 主题模型（LDA）
• 文本分类（机器学习 / 深度学习）
• 词向量（Word2Vec、BERT）
• 大语言模型（LLM）文本分析

九、一个完整小例子（中文词频）

import jieba
from collections import Counter

text = "Python 很强大，Python 很流行"
words = jieba.lcut(text)
counter = Counter(words)

print(counter.most_common())

如果你愿意，可以告诉我：

• 是中文还是英文
• 想做词频 / 情感 / 分类 / 摘要哪一种
• 数据规模（几百字还是几百万字）

我可以直接帮你写一套可用的分析脚本。