对文件夹中文件进行相似度检测，并生成表格

首先，导入相关模块：

import jieba
import docx
import os
from gensim import corpora, models, similarities

对目标文件集进行处理：

path="C:/Users/尚鑫/Desktop/sx1"  #目标文件目录
files=os.listdir(path)  #遍历目录下子文件名
print(files)
texts=[]
for file in files:
    f = docx.Document(path+'/'+ file)  #读取文件夹里所有子文件
    text = ''
    for para in f.paragraphs:
        text += para.text      #text为每个子文件的文件内容
    texts.append(text)   #将每个子文件的内容作为一个元素组合成列表

将文件内容进行分词处理：

a=[]
for text in texts:
    b=[word for word in jieba.cut(text)]
    a.append(b)

同理：对测试文件进行一样的处理：
测试文档与目标文档一样，循环选取目标文档其中之一为测试文档

ff=[]
for i in range(len(a)):
     test_list=a[i]

将上诉得到的文本集制作语料库，采用字典：

dictionary=corpora.Dictionary(a)  #获取词袋
dictionary.keys()  #对词袋中所有词进行编

最后

以上就是乐观砖头为你收集整理的对文件夹中文件进行相似度检测，并生成表格的全部内容，希望文章能够帮你解决对文件夹中文件进行相似度检测，并生成表格所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。