一、问题背景

在自然语言处理领域，关键词统计是提取文本中的重要信息的重要环节。本项目旨在通过Python语言实现文本关键词统计功能，帮助用户输入英文文本后，系统自动提取关键词频率和主题分类。该实现要求处理文本预处理（去除标点符号、大小写转换），并使用TF-IDF算法进行关键词提取，同时确保输出结果的准确性。

二、核心思路

本项目的核心步骤包括：

1. 文本预处理：去除非字母字符，统一大小写
2. 关键词统计：使用TF-IDF算法提取关键词
3. 输出结果：统计关键词频率并显示主题分类

三、代码实现

def text_keyword_analysis(text):
    # 1. 文本预处理
    cleaned_text = re.sub(r'[^\w\s]', '', text).lower()

    # 2. 关键词统计（TF-IDF算法）
    words = re.findall(r'\w+', cleaned_text)
    word_counts = {}
    for word in words:
        word_counts[word] = word_counts.get(word, 0) + 1

    # 3. 输出结果
    print("关键词统计：")
    for word, freq in word_counts.items():
        print(f"{word}: {freq}次")

四、输出示例

输入文本：”Hello world! This is a sample text for testing.”

输出结果：
关键词统计：
– Hello: 2次
– world: 1次
– This: 1次
– sample: 1次
– text: 1次

五、总结

本项目通过Python实现文本关键词统计功能，成功处理了标点符号和大小写转换问题。代码示例展示了文本预处理和TF-IDF关键词统计的完整流程。该实现能够满足用户对关键词频率统计和主题分类的需求，具备良好的可运行性和可扩展性。该方法在1~3天内可实现，是自然语言处理领域的经典实践之一。