大家好!我是Python进阶者。
前言
前几天一个在校大学生问了一些关于词频、分词和可视化方面的问题，结合爬虫，确实可以做点东西出来，可以玩玩，还是蛮不错的，这里整理成一篇文章，分享给大家。
本文主要涉及的库有爬虫库requests、词频统计库collections、数据处理库nuMpy、结巴分词库jieba 、可视化库pyechaRts等等。
一、数据来源
关于数据方面，这里直接是从新闻平台上进行获取的文本信息，其实这个文本文件可以拓展开来，你可以自定义文本，也可以是报告，商业报告，政治报告等，也可以是新闻平台，也可以是论文，也可以是微博热评，也可以是网易云音乐热评等等，只要涉及到大量文本的，都可月引用本文的代码，进行词频分词、统计、可视化等。
二、数据获取
数据获取十分简单，一个简单的爬虫和存储就可以搞定，这里以一篇新闻为例进行演示，代码如下：
代码运行之后，在本地会得到一个【报告.txt】文件，文件内容就是网站上的文本信息。如果你想获取其他网站上的文本，需要更改下链接和提取规则。
三、词频统计
接下来就是词频统计了，代码如下所示。
首先读取文本信息，之后对文本进行预处理，提取文字信息，并且可以自定义词库，作为停用词，之后将获取到的词频做词频统计，获取前30最高频的词，并进行打印，输出结果如下图所示。
四、可视化
接下来就是可视化部分了，这里直接上代码，如下所示。
输出结果是一个线图，看上去还不错。
五、总结
本文基于Python网络爬虫获取到的文本文件，通过词频、分词和可视化等处理，完成一个较为简单的项目，欢迎大家积极尝试。在代码实现过程中，如果有遇到任何问题，请加我好友，我帮助解决哦!
