10 2018 档案

按照固定字符数切割字符串 基于python的re正则表达式
摘要：def cut_text(text,lenth): textArr = re.findall('.{'+str(lenth)+'}', text) textArr.append(text[(len(textArr)*lenth):]) return textArr print(cut_text('123456789abcdefg',3)) 阅读全文

posted @ 2018-10-16 15:35 六盘水月照 阅读(995) 评论(0) 推荐(0)

百度AI开放平台 情感倾向分析实例以及gbk编码解决
摘要：f=open('test.txt','a+',encoding='utf-8') for index,row in cxzg.iterrows(): text=str(row['text']) text=text.encode('gb18030','ignore').decode('gbk','ignore') qgdict=client.sentimentClassif... 阅读全文

posted @ 2018-10-16 15:32 六盘水月照 阅读(919) 评论(0) 推荐(0)

根据cid获取哔哩哔哩弹幕
摘要：def biliget(cid): headers = { "Accept": "*/*", "Accept-Language": "zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3", "User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:55.0) G... 阅读全文

posted @ 2018-10-16 15:31 六盘水月照 阅读(1363) 评论(0) 推荐(0)

python3 doc2vec文本聚类实现
摘要：import sys #doc2vev import gensim import sklearn import numpy as np from gensim.models.doc2vec import Doc2Vec, LabeledSentence TaggededDocument = gensim.models.doc2vec.TaggedDocument def get... 阅读全文

posted @ 2018-10-16 15:30 六盘水月照 阅读(3421) 评论(0) 推荐(0)

python3 LDA主题模型以及TFIDF实现
摘要：import codecs #主题模型 from gensim import corpora from gensim.models import LdaModel from gensim import models from gensim.corpora import Dictionary te = [] fp = codecs.open('input.txt','r') for line i... 阅读全文

posted @ 2018-10-16 15:29 六盘水月照 阅读(4915) 评论(0) 推荐(0)