Tabla de contenido completa del descriptor de la herramienta de extracción de palabras, descarga

Escribí una explicación de la herramienta de extracción de palabras en seis partes y las publiqué todas en mi blog. Escriba una descripción de la herramienta de extracción de palabras y el índice completo en una publicación separada.

• 1. Descripción general de la herramienta de extracción de palabras
  • 1.1. Por qué desarrollamos la herramienta de extracción de palabras
  • 1.2. concepto de herramienta de extracción de palabras
  • 1.3. Cómo funciona el extractor de palabras
    • 1.3.1. material de entrada de la herramienta de extracción de palabras
    • 1.3.2. Lógica de procesamiento de la herramienta de extracción de palabras
    • 1.3.3. Datos de salida de la herramienta de extracción de palabras

• 2. Configuración del entorno de ejecución de la herramienta de extracción de palabras
  • 2.1. Descripción general de la configuración del entorno
    • 2.1.1. Recomendaciones
    • 2.1.2. Elige un despalillador Mecab
    • 2.1.3. Orden general de configuración del entorno
  • 2.2. Instalar Miniconda
  • 2.3. Creación y activación de un entorno virtual
  • 2.4. Instalar Python en un entorno virtual
  • 2.5. Instalar los paquetes necesarios

• 3. Ejecute la herramienta de extracción de palabras
  • 3.1. Descargar herramienta de extracción de palabras
  • 3.2. Cómo ejecutar la herramienta de extracción de Word
    • 3.2.1. Descomprima el archivo descargado y active el entorno virtual Python
    • 3.2.2. Consultar ayuda
    • 3.2.3. Método 1 Extraer palabras solo de archivos de documentos
    • 3.2.4. Método 2 Extraer palabras solo de la tabla DB, comentarios de columna
    • 3.2.5. Método de ejecución 3 Extraiga palabras de todos los archivos de documentos, tablas de base de datos y comentarios de columnas
    • 3.2.6. Cómo comprobar los resultados de la ejecución
    • 3.2.7. Precauciones/Notas sobre la ejecución

• 4. Código fuente de la herramienta de extracción de Word
  • 4.1. describir
    • 4.1.1. pon el codigo fuente
    • 4.1.2 Relación de llamada de función de la herramienta de extracción de palabras
  • 4.2. función principal
    • 4.2.1. análisis de argumentos
    • 4.2.2. Extraer la lista de archivos para procesar
    • 4.2.3. Ejecute get_file_text con procesamiento múltiple
    • 4.2.4. Ejecute get_word_list con procesamiento múltiple
    • 4.2.5. Obtenga frecuencias de palabras y ejecute make_word_cloud
    • 4.2.6. Guarde la lista de palabras extraídas y la frecuencia de palabras como un archivo de Excel, imprima el tiempo de ejecución y salga
  • 4.3. función get_file_text
    • 4.3.1. función get_doc_text
    • 4.3.2. función get_ppt_text
    • 4.3.3. función get_txt_text
    • 4.3.4. función get_db_comment_text
    • 4.3.5. función get_hwp_text
    • 4.3.6. función get_pdf_text
  • 4.4. función get_word_list
  • 4.5. función hacer_palabra_nube

• 5. Explicación adicional de la herramienta de extracción de palabras
  • 5.1. ¿Por qué utilizar Automatización OLE?
  • 5.2. Relacionado con la codificación de archivos de texto (solo se admite UTF-8)
  • 5.3. Razones para usar multiprocesamiento
  • 5.4. Notas sobre la extracción de palabras compuestas
  • 5.5. Tipos de analizadores morfológicos partes del discurso.

---

La herramienta de extracción de palabras se puede descargar desde el repositorio de github a continuación.

https://github.com/DAToolset/ToolsForDataStandard/tree/main/WordExtractor

Los códigos fuente, las fuentes, los archivos de ejemplo de listas de tablas/columnas y los archivos de ejemplo de salida necesarios para la ejecución se agrupan en un archivo comprimido para su distribución, por lo que puede descargar este archivo.

https://github.com/DAToolset/ToolsForDataStandard/raw/main/WordExtractor/word_extractor.7z

Espero que esto sea de alguna ayuda en el trabajo de estandarización de datos.