文件内容关键词提取与词频统计工具：批量分析文本文件、TF-IDF算法提取高频关键词、词云可视化、一键导出CSV报告

🖥️ 运行效果

🚀 实例简介

一款实用的文本分析桌面工具，支持批量导入TXT/MD/LOG等文本文件，基于TF-IDF算法自动提取高频关键词，生成词频统计表格与词云可视化图，结果一键导出CSV。适合内容创作者、SEO优化人员、数据分析师快速掌握文本核心信息。

💻 核心代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
文件内容关键词提取与词频统计工具
功能：批量导入文本文件，基于TF-IDF提取关键词，词云可视化，导出CSV
作者：51Python - 好例子网
"""
import tkinter as tk
from tkinter import ttk, filedialog, messagebox
import os
import re
import csv
import math
import platform
from collections import Counter

# 中文字体配置
CHINESE_FONT = "WenQuanYi Zen Hei" if platform.system() == "Linux" else "Microsoft YaHei"

# 中文停用词表（常见无意义词）
STOP_WORDS = set("的 了 在 是 我 有 和 就 不 人 都 一 一个 上 也 很 到 说 要 去 你 会 着 没有 看 好 "
                 "自己 这 他 她 它 们 那 些 什么 怎么 为什么 哪 谁 多少 几 吗 呢 吧 啊 呀 哦 嗯".split())


def tokenize(text):
    """简单中文分词：按标点和空格切分，过滤停用词和单字"""
    text = re.sub(r'[^\w\u4e00-\u9fff]', ' ', text)
    words = []
    for w in text.split():
        if len(w) >= 2 and w not in STOP_WORDS:
            words.append(w.lower())
    return words


def compute_tf(words):
    """计算词频 TF = 词出现次数 / 总词数"""
    total = len(words)
    if total == 0:
        return {}
    counter = Counter(words)
    return {w: c / total for w, c in counter.items()}


def compute_tfidf(file_word_lists):
    """计算 TF-IDF：TF * log(N / df)"""
    n_docs = len(file_word_lists)
    df = Counter()
    for words in file_word_lists:
        unique = set(words)
        for w in unique:
            df[w] += 1
    results = []
    for words in file_word_lists:
        tf = compute_tf(words)
        tfidf = {}
        for w, tf_val in tf.items():
            idf = math.log(n_docs / (1 + df[w]))
            tfidf[w] = tf_val * idf
        results.append(tfidf)
    return results


class KeywordApp(tk.Tk):
    """关键词提取主界面"""
    def __init__(self):
        super().__init__()
        self.title("文件内容关键词提取与词频统计工具")
        self.geometry("900x620")
        self.configure(bg="#f5f5f5")
        self.file_paths = []
        self.file_word_lists = []
        self.results = []
        self._build_ui()

    def _build_ui(self):
        """构建界面"""
        tk.Label(self, text="📊 文件内容关键词提取与词频统计",
                 font=(CHINESE_FONT, 18, "bold"), bg="#f5f5f5", fg="#2c3e50").pack(pady=10)
        btn_frame = tk.Frame(self, bg="#f5f5f5")
        btn_frame.pack(fill="x", padx=20, pady=5)

💡 适用场景

内容创作、SEO优化、数据分析、文本挖掘、学术研究