假设通过爬虫获得了一个自媒体.txt
想要从这些关键词中提取流量最大的关键词
可以通过如下算法实现：
from smoothnlp.algorithm.phrase import extract_phrase
import re
class_name = '自媒体'
class_name_low = class_name.lower()
top_k = 100
with open('%s.txt' % class_name,'r',encoding='utf-8') as file:
data_str = file.read()
keyword_list = data_str.split('\n')
with open('dont.txt','r',encoding='utf-8') as file:
dont_set = set(file.read().split('\n'))
word_count_dict = dict()
new_word_list = extract_phrase(keyword_list,top_k=top_k)
for new_word in new_word_list:
if new_word in dont_set:
continue
new_word_low = new_word.lower()
if class_name_low in new_word_low or class_name_low == new_word_low:
word_count_dict[new_word] = len(re.findall(new_word_low,data_str))
continue
add_l = re.findall('%s%s' % (class_name_low,new_word_low),data_str)
add_r = re.findall('%s%s' % (new_word_low,class_name_low),data_str)
if len(add_l) >= len(add_r):
word_count_dict['%s%s' % (class_name,new_word)] = len(add_l)
else:
word_count_dict['%s%s' % (new_word,class_name)] = len(add_r)
for word,count in word_count_dict.items():
print('%s\t%s' % (word,count))
其中：
自媒体.txt 就是需要的关键词库
dont.txt 就是过滤掉一些没有用的词汇
获得的结果如下，下面的这些词就是流量很大的词汇 可以用于注册账号去获取流量
自媒体领域 702
自媒体软件 502
自媒体SFZ 68
自媒体推荐 450
自媒体研究 199
自媒体素材 378
自媒体原创 1147
自媒体审核 417
浏览器自媒体 110
自媒体阅读量 378
自媒体app 346
自媒体工具 222
自媒体图片 416
自媒体电脑 112
自媒体管理 824
自媒体内容 1083
自媒体电视剧 48
自媒体申请 742
自媒体注册 1597
百度自媒体 545
自媒体同步 89
自媒体电影片段 14
自媒体检测 36
自媒体抄袭 130
自媒体选择 215
自媒体产品 105
自媒体信息 355
自媒体粉丝 474
自媒体下载 173
企业自媒体 789
自媒体收益 1296
自媒体数据 317
淘宝自媒体 263
自媒体手机 568
自媒体剪辑 367
自媒体电影 380
自媒体服务 167
自媒体采集 234
自媒体变现 246
自媒体修改 65
自媒体风险 43
中国自媒体 533
自媒体兼职 182
自媒体定位 143
自媒体英语 53
自媒体传播 776
抖音自媒体 686
自媒体渠道 212
自媒体影响力 130
0万粉丝自媒体 18
自媒体绑定 47
自媒体免费 205
自媒体认证 1662
自媒体流量 595
自媒体播放量 164
万粉丝自媒体 42
自媒体评论 116
自媒体邀请码 137
健康自媒体 96
自媒体问题 35
自媒体收入 826
自媒体垂直 129
自媒体招聘 665
自媒体奖励 26
自媒体教程 312
自媒体盈利模式 140
自媒体热点 104
自媒体标题 561
自媒体经营范围 20
自媒体意识形态 13
自媒体ppt 70
自媒体品牌 219
自媒体竞争 45
自媒体社会 235
自媒体现状 123
开通自媒体 219
2018自媒体 443
国外自媒体 350
自媒体公司 2862
自媒体介绍 311
自媒体生活 180
自媒体模式 56
自媒体故事 55
自媒体分析 168
自媒体策划 244
自媒体版权 123
自媒体推广 1893
自媒体考核 38
自媒体情况 32
自媒体搬运 958
音乐自媒体 337
最后的所有项目代码如下：
