每年上“青春期心理”的时候都会布置作业做介绍自己偶像“男神女神”的ppt,以此反映新时代的小盆友们对于理想自我和理想异性的大致概念。从2014至今已积累了5届学生大约一百多个课件,最近“大数据“热门,正好可以利用python编个程,把ppt的文本们抓个词频,以此观察00后这五届学生的内心状态:她们喜欢什么样的人,这些人的国籍分布、特质分布怎样,如何正确引导她们的审美和自我概念。
老蒙实验性的先抓了2014届所有“女神们”的ppt共87张
接下来的流程就是 PPT==>g.txt(utf8)==>g1.txt(ascii)==>EXCEL文件xls,此时手动将词频筛选出“特质”,生成的“最终词频.xls”
最后文件夹中生成的文件是这样
老蒙试抓了2014届的最终词频,它们是这些:
后续再处理国别、现实虚拟人物之间的频率。
最后附上代码:
#ppt转txt初次写入
import win32com
from win32com.client import Dispatch, constants
ppt = win32com.client.Dispatch('PowerPoint.Application')
ppt.Visible = 1
pptSel = ppt.Presentations.Open("d:\\python\\call\\girl\\1.pptx")
win32com.client.gencache.EnsureDispatch('PowerPoint.Application')
f = open("d:\\python\\call\\girl\\g.txt","wb+")
slide_count = pptSel.Slides.Count
for i in range(1,slide_count + 1):
shape_count = pptSel.Slides(i).Shapes.Count
print (shape_count)
for j in range(1,shape_count + 1):
if pptSel.Slides(i).Shapes(j).HasTextFrame:
s = pptSel.Slides(i).Shapes(j).TextFrame.TextRange.Text
f.write(s.encode('utf-8') + b"\n")
f.close()
ppt.Quit()
#此处g.txt为utf-8编码,手动将其转存为ascii编码的g1.txt。
#jieba抓词频
import sys
import importlib
importlib.reload(sys)
import jieba
import jieba.analyse
import xlwt #写入Excel表的库
if __name__=="__main__":
wbk = xlwt.Workbook(encoding = 'ascii')
sheet = wbk.add_sheet("wordCount")#Excel单元格名字
word_lst = []
key_list=[]
for line in open('g1.txt'):#1.txt是需要分词统计的文档
item = line.strip('\n\r').split('\t') #制表格切分
# print item
for t in tags:
word_lst.append(t)
word_dict= {}
with open("wordCount.txt",'w') as wf2: #打开文件
for item in word_lst:
if item not in word_dict: #统计数量
word_dict[item] = 1
else:
word_dict[item] += 1
orderList=list(word_dict.values())
orderList.sort(reverse=True)
# print orderList
for i in range(len(orderList)):
for key in word_dict:
if word_dict[key]==orderList[i]:
wf2.write(key+' '+str(word_dict[key])+'\n') #写入txt文档
key_list.append(key)
word_dict[key]=0
for i in range(len(key_list)):
sheet.write(i, 1, label = orderList[i])
sheet.write(i, 0, label = key_list[i])
wbk.save('wordCount.xls') #保存为 wordCount.xls文件
#ppt转txt后续添加
import win32com
from win32com.client import Dispatch, constants
ppt = win32com.client.Dispatch('PowerPoint.Application')
ppt.Visible = 1
pptSel = ppt.Presentations.Open("d:\\python\\girl\\2.pptx")
win32com.client.gencache.EnsureDispatch('PowerPoint.Application')
f = open("d:\\python\\girl\\g.txt","ab+")
slide_count = pptSel.Slides.Count
for i in range(1,slide_count + 1):
shape_count = pptSel.Slides(i).Shapes.Count
print (shape_count)
for j in range(1,shape_count + 1):
if pptSel.Slides(i).Shapes(j).HasTextFrame:
s = pptSel.Slides(i).Shapes(j).TextFrame.TextRange.Text
f.write(s.encode('utf-8') + b"\n")
f.close()
ppt.Quit()
Python就是这样万能,一旦有了python,啥都想用它来解决
领取专属 10元无门槛券
私享最新 技术干货