Python 爬取 热词并进行分类数据分析-[数据修复]

《2019年OPPO开放平台年度总结》正式发布
近日，OPPO开放平台通过官微平台发布了《2019年OPPO开放平台年度总结》。
这份年度总结对OPPO智能服务新生态的用户属性、用户偏好、市场增长，以及OPPO开放平台的技术能力和服务能力进行了详细的介绍，帮助开发者及合作伙伴挖掘数据背后的衍生价值，携手共创更优质的用户体验。
ColorOS全球月活超3.2亿，以优质年轻群体为主
根据《2019年OPPO开放平台年度总结》显示，目前ColorOS全球月活跃用户数已超过3.2亿，覆盖国家和地区超过140个。而在国内用户中，25岁~34岁的优质年轻群体占比更是高达63%，24岁以下用户占比为21%，足见OPPO手机设备深受年轻群体所喜爱。
正因如此，OPPO无论是硬件端的产品创新，还是软件端的“黑科技”研发，也都始终迎合年轻群体偏好。如在2019年10月上市的OPPO Reno Ace，其配置为骁龙855 Plus、65W超级闪充、90Hz电竞屏、最高12GB+256GB存储组合，2999元起的高性价比优势，让其开售5分钟销售额破亿，斩获全平台手机单品销量＆销售额双冠军。
此外，该产品搭载OPPO“五大系统能力开放引擎”之一的Hyper Boost，并与游戏厂商深度合作，更充分地发挥了硬件性能。OPPO Reno Ace高性价比的产品配置以及“黑科技”加持，让年轻消费者直呼“这很Ace！”。
OPPO开放平台携手合作伙伴共建智能服务新生态，打造优质用户体验
产品受到用户喜爱，同样也离不开智能服务新生态的建设。OPPO开放平台为了给用户带来更优质的产品体验，将其技术能力深度赋能给合作伙伴，携手合作伙伴合作共赢。
根据《2019年OPPO开放平台年度总结》显示，在OPPO开放平台的应用分发情况分析中，视频播放类、教育学习类、实用工具类APP是最受用户青睐的应用类别。
时代大环境下，OPPO积极建设视频功能迎合用户需求，OPPO短视频业务月活跃用户已突破6000万，每日人均使用时长超过50分钟，为优质的视频内容分发和应用分发，提供了可以结合用户手机操作偏好的又一大渠道。
在短视频类目的软件能力建设方面，OPPO也始终走在创新前沿。当抖音、快手等热门短视频类APP接入“五大系统能力开放引擎”之一的CameraUnit，调用OPPO手机核心功能“超级防抖”，就能够让用户直接拍摄出稳定、清晰的视频。
深度挖掘数据的衍生价值，OPPO早已不再是一家纯粹的手机公司
硬件产品受到年轻用户喜爱，软件能力不断创新，也让OPPO的业务线早已不再局限于手机制造。当前，OPPO已经建设了更为完善的开放生态，除了技术能力加持赋能合作伙伴，依托自身市场优势，也为应用、游戏、快应用、小游戏等产品分发推广和联运提供了更为广阔的发展空间，为各链端合作伙伴提供全方位的服务。
根据《2019年OPPO开放平台年度总结》显示，以OPPO软件商店和游戏中心的全球月活跃用户数已超过3亿，全球日分发次数也超过7.8亿次。同时，OPPO开放平台还在积极扩展自身的业务服务范围，并不断创新服务形式。以应用分发业务为例，通过数据赋能、活动赋能、素材A/B test、活动组建化赋能等形式，帮助开发者实现更加高效的APP运营。
除此之外，OPPO还在科技的各个领域积极探索。例如，在2019年12月19日的2019 OPPO开发者大会上发布IoT“启能行动”，将帮助更多品牌厂商快速实现产品的智能化。
此外，2020年OPPO将继续投入价值10亿资源，为应用、服务、内容、出海领域的优秀合作伙伴，提供开发、流量、营销推广等一系列的资源支持，全方位助力合作伙伴的业务发展；OPPO荣获中文机器阅读理解挑战赛DuReader 2019年度冠军，AI领域再次取得新突破……
由此可见，通过对多维度技术的持续、广泛的布局，OPPO早已不再是一家纯粹的手机公司。据OPPO创始人陈明永介绍，OPPO未来三年将投入500亿研发预算，持续关注5G、人工智能、AR、大数据等前沿技术，并着力构建底层硬件核心技术以及软件工程和系统能力。
OPPO开放平台作为B端业务的主要窗口，这份《2019年OPPO开放平台年度总结》的公布既能让行业窥见到OPPO综合能力的一方天地，也将吸引更多合作伙伴加入OPPO开放平台，合作共创新未来。
查看完整年度总结，请关注OPPO开放平台官方微信公众号“OPPO开发者”或微博“OPPO开放平台”。

 1 # 新闻段落高频词分析器
 2 import jieba
 3 import jieba.analyse
 4 
 5 
 6 class ToolToMakeHighWords:
 7     test_str = ""
 8 
 9     # 初始化
10     def __init__(self,test_str):
11         self.test_str = str(test_str)
12         pass
13 
14     def buildWithFile(self,filePath,type):
15         file = open(filePath, encoding=type)
16         self.test_str = file.read()
17 
18     def buildWithStr(self,test_str):
19         self.test_str = test_str
20         pass
21 
22     # 统计词
23     def getWords(self,isSimple,isAll):
24         if(isSimple):
25             words = jieba.lcut_for_search(self.test_str)
26             return words
27         else:
28             # True - 全模式 , False - 精准模式
29             words = jieba.cut(self.test_str, cut_all=isAll)
30             return words
31 
32     # 统计词频并排序
33     def getHighWords(self,words):
34         data = {}
35         for charas in words:
36             if len(charas) < 2:
37                 continue
38             if charas in data:
39                 data[charas] += 1
40             else:
41                 data[charas] = 1
42 
43         data = sorted(data.items(), key=lambda x: x[1], reverse=True)  # 排序
44 
45         return data
46 
47     # 以频率要求数目为依据进行筛选
48     def selectObjGroup(self,num):
49         a = jieba.analyse.extract_tags(self.test_str, topK=num, withWeight=True, allowPOS=())
50         return a
51 
52     def selectWordGroup(self,num):
53         b = jieba.analyse.extract_tags(self.test_str, topK=num, allowPOS=())
54         return b
55 
56 
57 def main():
58     file = open(‘../testFile/rc/ad.txt‘, encoding="utf-8")
59     file_context = file.read()
60     ttmhw = ToolToMakeHighWords(file_context)
61     li = ttmhw.selectWordGroup(2)
62     print(li)
63 
64 main()