pre_file.py

#-*-coding:utf-8-*-

import MySQLdb

import MySQLdb as mdb

import os,sys,string

import jieba

import codecs

reload(sys)

sys.setdefaultencoding('utf-8')

#连接数据库

try:

conn=mdb.connect(host='127.0.0.1',user='root',passwd='kongjunli',db='test1',charset='utf8')

except Exception,e:

print e

sys.exit()

#获取cursor对象操作数据库

cursor=conn.cursor(mdb.cursors.DictCursor) #cursor游标

#获取内容

sql='SELECT link,content FROM test1.spider;'

cursor.execute(sql) #execute()方法,将字符串当命令执行

data=cursor.fetchall()#fetchall()接收全部返回结果行

f=codecs.open('C:\Users\kk\Desktop\hello-result1.txt','w','utf-8')

for row in data: #row接收结果行的每行数据

seg='/'.join(list(jieba.cut(row['content'],cut_all='False')))

f.write(row['link']+' '+seg+'\r\n')

f.close()

cursor.close()

#提交事务,在插入数据时必须

jiansuo.py

#-*-coding:utf-8-*-

import sys

import string

import MySQLdb

import MySQLdb as mdb

import gensim

from gensim import corpora,models,similarities

from gensim.similarities import MatrixSimilarity

import logging

import codecs

reload(sys)

sys.setdefaultencoding('utf-8')

con=mdb.connect(host='127.0.0.1',user='root',passwd='kongjunli',db='test1',charset='utf8')

with con:

cur=con.cursor()

cur.execute('SELECT * FROM cutresult_copy')

rows=cur.fetchall()

class MyCorpus(object):

def __iter__(self):

for row in rows:

yield str(row[1]).split('/')

#开启日志

logging.basicConfig(format='%(asctime)s:%(levelname)s:%(message)s',level=logging.INFO)

Corp=MyCorpus()

#将网页文档转化为tf-idf

dictionary=corpora.Dictionary(Corp)

corpus=[dictionary.doc2bow(text) for text in Corp] #将文档转化为词袋模型

#print corpus

tfidf=models.TfidfModel(corpus)#使用tf-idf模型得出文档的tf-idf模型

corpus_tfidf=tfidf[corpus]#计算得出tf-idf值

#for doc in corpus_tfidf:

#print doc

###

'''

q_file=open('C:\Users\kk\Desktop\q.txt','r')

query=q_file.readline()

q_file.close()

vec_bow=dictionary.doc2bow(query.split(' '))#将请求转化为词带模型

vec_tfidf=tfidf[vec_bow]#计算出请求的tf-idf值

#for t in vec_tfidf:

# print t

'''

###

query=raw_input('Enter your query:')

vec_bow=dictionary.doc2bow(query.split())

vec_tfidf=tfidf[vec_bow]

index=similarities.MatrixSimilarity(corpus_tfidf)

sims=index[vec_tfidf]

similarity=list(sims)

print sorted(similarity,reverse=True)

encodings.xml

misc.xml

modules.xml

python文档相似性比较代码_Python使用gensim计算文档相似性相关推荐

  1. 读懂python代码_Python面试|一文让你读懂if __name__==’__main__’的含义

    程序入口 对于很多编程语言来说,程序都必须要有一个入口,比如 C,C++,以及完全面向对象的编程语言 Java,C# 等.如果你接触过这些语言,对于程序入口这个概念应该很好理解,C 和 C++ 都需要 ...

  2. python同时注释多行代码_python怎么同时对多行代码进行注释

    学会向程序中添加必要的注释,也是很重要的.注释不仅可以用来解释程序某些部分的作用和功能(用自然语言描述代码的功能),在必要时,还可以将代码临时移除,是调试程序的好帮手. 当然,添加注释的最大作用还是提 ...

  3. python都用什么写代码_python都用什么写代码

    各位 Pythoner 好啊!在这个烦躁的时代,相聚就是缘分,很高兴各位 Pythoner 能相聚于此,希望接下来的路,我们一起走下去,使用 Python 来做一些有趣的事情,有意义的事情. 我们在使 ...

  4. python输出图形效果的代码_python打印图形大全(详解)

    原博文 2019-04-13 23:48 − 1)for i in range(0,10): shixin=chr(9679) print(shixin) -------------------结果: ...

  5. python哆啦a梦完整代码_Python执笔画图,代码一跑,哆啦A梦就出来了!

    环境: python 3.6 sublime text 3 turtle模块 核心就是turtle模块,它可以让你使用海龟图形(turtle graphics)绘制图像. 先介绍下关于它的使用方法: ...

  6. python turtle画彩虹的代码_Python使用turtle绘制国旗,Python图片转换位字符画

    这篇文章主要是整合一些趣味代码,一方面自己对这些内容比较感兴趣,另一方面希望这些代码能提升大家的编程兴趣. 一.Python使用turtle绘制国旗 代码如下: 运行结果如下所示,它是动态绘制过程. ...

  7. python 给word添加背景图片_Python如何使用word文档插入图片和表格

    Python如何使用word文档插入图片和表格 发布时间:2020-10-26 13:49:29 来源:亿速云 阅读:101 作者:挣扎的蓝藻 这篇文章运用简单易懂的例子给大家介绍Python如何使用 ...

  8. python下载图片到文件夹_python实现解析markdown文档中的图片,并且保存到本地~

    背景 前阵子简书好像说是凉了,搞得我有点小慌,毕竟我的大部分博客都是放在简书上面的,虽然简书提供了打包导出功能,但是只能导出文字,图片的话还是存在简书服务器上面,再加上我一直想要重新做一个个人博客,于 ...

  9. python运行不了程序代码_python怎么运行代码程序

    展开全部 一.使用Python的解释器: 1.安装python一般都会有一个交互式32313133353236313431303231363533e78988e69d8331333433653964解 ...

最新文章

  1. android软件开发考试,Android软件工程师笔试题(全选择题)【0-1年经验】
  2. python中时间的处理
  3. MySQL安装 MySQL5.7.10免安装版配置,mysql5.7.10免安装版
  4. 吴恩达教授机器学习课程笔记【八】- Part 8 感知器和大间隔分类器(在线学习感知器算法错分类次数上界及其证明)
  5. 04_zookeeper客户端使用及常用命令
  6. python中eval函数和str函数
  7. Fiddler4的下载与安装
  8. 干货流出|腾讯内部几近满分的项目管理课程PPT
  9. 理解 BLS 签名算法
  10. 服务器IP被封怎么办
  11. 4.3.2 Calculating and Applying VaR
  12. pdf转换成jpg python_怎样利用python将pdf转换成jpg格式
  13. ss客户端以及tcp,udp,dns代理ss-tproxy本地安装版--centos7.3 x64以上(7.3-7.6x64测试通过)...
  14. java 中常用英语_java中常用英语
  15. 2022年中级会计中级经济学法考试复习题及答案
  16. arcgis中字段的融合_利用ArcGis进行地理处理之三(融合)
  17. 拼写纠错(Spelling Correct)技术方案总结
  18. 关于poi/Npoi创建批注后,EXCEL不能显示,wps能显示的问题
  19. 如何操作 WebOffice.ocx
  20. 1.4_6 Axure RP 9 for mac 高保真原型图 - 案例5 【旋转的唱片3】进度条_滚动

热门文章

  1. 2021-11-03如何删除文件夹名中间有【空格】及后边带有“..”的文件夹
  2. 关于取整符号(二叉树具有n个结点的m次树的最小高度⌈logₘ(n(m-1)+1)⌉)
  3. 2020年中国数字减影血管造影系统(DSA)市场现状分析,DSA设备需求不断提升「图」
  4. 常见的拖垮中小公司技术团队的10宗罪
  5. 前端实现实时消息提醒消息通知
  6. VMware workstation批量创建虚拟机和自动化安装操作系统(二)
  7. php显示汉字,在php中如何显示汉字?
  8. win10 64位注册TeeChart8.ocx
  9. 互联网数据中心——IDC(Internet Data Center)
  10. repost ubuntu 16.04安装TP-LINK TL-WDN5200H无线USB网卡驱动