# 基于 Python 和 jieba 的中文文本自动摘要工具
基于 Python 和 jieba 的中文文本自动摘要工具
在信息爆炸的时代，快速准确地提取文本核心内容变得至关重要。今天，我将介绍一个基于 Python 和 jieba 的中文文本自动摘要工具，帮助你高效地从长文本中提取关键信息。
一、背景与需求
在处理大量文本数据时，如新闻报道、学术论文、研究报告等，我们常常需要快速了解其核心内容。手动提取摘要不仅耗时费力，还容易遗漏重要信息。因此，开发一个自动摘要工具显得尤为重要。
二、工具介绍
这个工具的核心是基于 TF-IDF 算法，利用 Python 的 jieba 库实现中文文本的自动摘要。以下是工具的主要功能模块：
1. 文本读取
通过 read_text 函数，工具能够从指定路径读取文本文件。它支持 UTF-8 编码格式，确保能够正确处理中文字符。这使得工具能够轻松处理各种纯文本文件。
2. 分句处理
文本中的句子是信息的基本单元。工具使用正则表达式 re.split(r'[。！？；]', text) 按照中文标点符号（句号、感叹号、问号、分号）分割文本为句子。同时，去除空字符串，确保句子列表中的每个句子都是有效的。
3. 句子权重计算
句子的重要性是通过其关键词的 TF-IDF 值来衡量的。工具使用 jieba.analyse.tfidf 方法计算每个句子中关键词的 TF-IDF 值，并将这些值相加作为句子的权重。这种算法假设句子的重要性与句子中关键词的 TF-IDF 值之和成正比。
4. 摘要生成
根据句子权重，工具按权重降序排序并选择权重最高的若干句子作为摘要。默认情况下，工具会提取权重最高的 3 个句子，但你可以根据需要调整这个数字。此外，工具还会对摘要句子进行去重，确保摘要中没有重复的句子。
三、代码实现
以下是工具的完整代码实现：
import jieba
import jieba.analyse
from collections import defaultdict
import re# 读取文本文件
def read_text(file_path):with open(file_path, 'r', encoding='utf-8') as file:text = file.read()return text# 分句处理
def split_sentences(text):sentences = re.split(r'[。！？；]', text)sentences = [sentence.strip() for sentence in sentences if sentence.strip()]return sentences# 计算句子的TF-IDF权重
def calculate_sentence_weights(sentences):sentence_weights = defaultdict(float)for sentence in sentences:keywords = jieba.analyse.tfidf(sentence, withWeight=True)for word, weight in keywords:sentence_weights[sentence] += weightreturn sentence_weights# 生成摘要
def generate_summary(sentence_weights, top_n=3):sorted_sentences = sorted(sentence_weights.items(), key=lambda x: x[1], reverse=True)summary_sentences = [sentence for sentence, weight in sorted_sentences[:top_n]]unique_summary_sentences = list(dict.fromkeys(summary_sentences))return unique_summary_sentences# 主函数
def main():file_path = r'D:\Users\妄生\PycharmProjects\人工智能\作业（2023）\task5data.txt'text = read_text(file_path)sentences = split_sentences(text)sentence_weights = calculate_sentence_weights(sentences)summary_sentences = generate_summary(sentence_weights)print("摘要结果：")for sentence in summary_sentences:print(sentence)if __name__ == "__main__":main()
四、使用方法
- 安装依赖：确保你已经安装了
jieba库。如果尚未安装，可以通过以下命令安装：pip install jieba - 准备文本文件：将需要摘要的文本保存为一个 UTF-8 编码的纯文本文件。
- 运行代码：将上述代码保存为一个 Python 脚本文件（如
text_summary.py），然后运行该脚本。工具将自动读取文本文件，生成摘要并打印结果。
五、示例
假设我们有一个名为 task5data.txt 的文本文件，内容如下：
共赴青春盛会,激扬青春力量。在充满阳光与激情的盛夏,世界将目光聚焦成都。7月28日晚,第31届世界大学生夏季运动会将在成都拉开帷幕。来自170个国家和地区的大学生齐聚蓉城,他们将在赛场上勇敢挑战自我,拼搏成就梦想,展现青春风采。这场举世瞩目、万众期待的“青春之约”,让这个夏天的中国故事更加精彩纷呈。大运会是青春的盛会,无数青春在赛场绽放,闪耀出耀眼的光彩。本次大运会中国参赛运动员中,344人是首次代表国家参加世界综合性运动会。从层层选拔到刻苦备战,再到登上赛场冲击奖牌,这其间凝结着运动员们日复一日的拼搏坚持,用汗水孕育着梦想的果实直至开花结果。当他们在赛场上演绎着超越自我、突破极限、创造奇迹的青春故事,诠释出“不经历一番寒彻骨,怎得梅花扑鼻香”的真谛,这便是体育精神和奥林匹克精神带给我们的启示与感动。在他们身上,人们看到青春最美好的模样,看见奋斗是青春最靓丽的底色。 。
运行工具后，生成的摘要可能是：
六、总结
这个基于 Python 和 jieba 的中文文本自动摘要工具简单易用，能够快速从长文本中提取关键信息。它适用于多种文本处理场景，如新闻摘要、文献综述等。希望这个工具能够帮助你更高效地处理文本数据。