[特殊字符] Python 实战 | 批量统计中文文档词频并导出 Excel

本文展示如何用 Python 脚本：

• 批量读取文件夹中的多篇中文文档；

• 用 jieba 分词并统计词频（过滤停用词与单字符）；

• 将各文档词频输出为对应 Excel 文件；

• 是文本分析、内容审查、报告编写中的实用技巧。

---

Step 1：批量加载文件夹中文本文件路径

import os

path = '主要业务'
files = [os.path.join(path, f) for f in os.listdir(path)]

• 使用标准库 os.listdir() 枚举目录中的文件；

• 生成包含所有待处理文件路径的列表，便于后续遍历读取。

---

Step 2：分词 + 词频统计 + 停用词过滤

import jieba

for file in files:
    txt = open(file, "r", encoding="utf-8").read()
    words = jieba.lcut(txt)
    freq = {}
    for w in words:
        if len(w) == 1:
            continue
        freq[w] = freq.get(w, 0) + 1

    stopWords = ["2019", "主要", "企业", "业务", "公司", "产品", "..."]
    for w in stopWords:
        freq.pop(w, None)

    items = sorted(freq.items(), key=lambda x: x[1], reverse=True)

• 使用 jieba.lcut() 精准分词，是中文文本处理常用方案 pankti0919.medium.com+2thedataschool.co.uk+2stackoverflow.com+2gist.github.com+5breezegeography.wordpress.com+5m.php.cn+5；

• 自定义长度过滤与停用词列表，保障高频词的质量。

---

Step 3：导出词频结果至 Excel

import pandas as pd

df = pd.DataFrame(items, columns=['词', '次数'])
basename = os.path.splitext(os.path.basename(file))[0]
df.to_excel(f"词频/{basename}.xlsx", index=False)

• 用 pandas.DataFrame 存储词频词典并导出；

• stopWords 列表作用类似英文文本中的停用词过滤，使结果更有价值 stackoverflow.com。

---

️ 结果展示区

✅ 技术亮点与优化建议

• jieba 分词：适合中文分词处理 pankti0919.medium.com+1thedataschool.co.uk+1；

• 词频排序：按次数降序排列，可配合 Counter 简化统计 m.php.cn+3stackoverflow.com+3gist.github.com+3；

• 停用词机制：过滤不具有语义价值的常见词，结果更精炼；

• 可扩展性：

  • 可增加 jieba.analyse.extract_tags() 提取关键词与 tf-idf pankti0919.medium.com+2m.php.cn+2breezegeography.wordpress.com+2；

  • 加入 HTML 或 GUI 操作；

  • 将结果写入数据库或绘制词云图；

---

总结

通过这个小脚本，你可以高效：

• 批处理多个文本文件；

• 自动清洗文本，统计高频词；

• 导出 Excel 结果，用于报告、分析或展示。

 更多实用案例，代码，素材如下：

自取链接：https://pan.quark.cn/s/a46f30accea2

如果你希望下一步集成词云生成、分组对比分析，或英文与多语种混排文本处理，也可以继续告诉我，我可以为你定制更丰富的教程！