---

背景介绍

在学习和办公场景中，我们常常需要快速理解大量文档的核心内容，但手动阅读和总结既耗时又低效。为了解决这一问题，我们可以开发一个本地文档关键词提取与摘要生成工具，帮助用户从 .txt 或 .pdf 文件中提取关键词并生成简洁的摘要。

本项目使用 Python 编写，结合 Tkinter 构建图形界面，使用 jieba 提取中文关键词，使用 SnowNLP 生成摘要，具备以下特点：

• 支持 .txt 和 .pdf 文件输入
• 自动提取关键词并排序
• 自动生成文档摘要
• 本地运行，无需联网

---

思路分析

1. 技术选型

• GUI 构建：使用 Python 标准库 Tkinter，无需额外安装，适合快速开发。
• PDF 文本提取：使用 PyPDF2 或 pdfplumber 提取 .pdf 中的文本内容。
• 中文分词与关键词提取：使用 jieba 库，支持 TF-IDF 和 TextRank 两种算法。
• 摘要生成：使用 SnowNLP，基于 TextRank 算法生成摘要，适合中文处理。

2. 功能模块划分

• 文件上传界面（GUI）
• 文本提取模块（PDF / TXT）
• 关键词提取模块（jieba）
• 摘要生成模块（SnowNLP）
• 结果展示模块（GUI）

---

代码实现

安装依赖

pip install jieba snownlp pdfplumber

完整代码（Python）

import tkinter as tk
from tkinter import filedialog, messagebox
import jieba.analyse
from snownlp import SnowNLP
import pdfplumber

# 提取文本内容
def extract_text_from_file(file_path):
    if file_path.endswith('.txt'):
        with open(file_path, 'r', encoding='utf-8') as f:
            return f.read()
    elif file_path.endswith('.pdf'):
        with pdfplumber.open(file_path) as pdf:
            text = ''
            for page in pdf.pages:
                text += page.extract_text()
            return text
    else:
        messagebox.showerror("错误", "不支持的文件格式！")
        return ""

# 提取关键词
def extract_keywords(text, topK=10):
    return jieba.analyse.extract_tags(text, topK=topK, withWeight=True)

# 生成摘要
def generate_summary(text, ratio=0.15):
    s = SnowNLP(text)
    summary = s.summary(ratio)
    return '。'.join(summary)

# GUI 界面
class DocumentAnalyzerApp:
    def __init__(self, root):
        self.root = root
        self.root.title("文档关键词提取与摘要生成工具")
        self.root.geometry("600x400")

        self.file_path = tk.StringVar()

        # 文件选择按钮
        tk.Label(root, text="选择文档文件：").pack(pady=5)
        self.file_entry = tk.Entry(root, textvariable=self.file_path, width=60)
        self.file_entry.pack(pady=5)
        tk.Button(root, text="浏览", command=self.select_file).pack(pady=5)

        # 提取关键词按钮
        tk.Button(root, text="提取关键词", command=self.show_keywords).pack(pady=10)
        self.keywords_text = tk.Text(root, height=10, width=70)
        self.keywords_text.pack(pady=5)

        # 生成摘要按钮
        tk.Button(root, text="生成摘要", command=self.show_summary).pack(pady=10)
        self.summary_text = tk.Text(root, height=10, width=70)
        self.summary_text.pack(pady=5)

    def select_file(self):
        file_path = filedialog.askopenfilename(filetypes=[("Text Files", "*.txt"), ("PDF Files", "*.pdf")])
        if file_path:
            self.file_path.set(file_path)

    def show_keywords(self):
        file_path = self.file_path.get()
        if not file_path:
            messagebox.showwarning("警告", "请先选择文件！")
            return

        text = extract_text_from_file(file_path)
        if not text.strip():
            messagebox.showwarning("警告", "文件内容为空！")
            return

        keywords = extract_keywords(text, topK=10)
        self.keywords_text.delete(1.0, tk.END)
        self.keywords_text.insert(tk.END, "提取的关键词：\n")
        for word, weight in keywords:
            self.keywords_text.insert(tk.END, f"{word}（权重: {weight:.4f}）\n")

    def show_summary(self):
        file_path = self.file_path.get()
        if not file_path:
            messagebox.showwarning("警告", "请先选择文件！")
            return

        text = extract_text_from_file(file_path)
        if not text.strip():
            messagebox.showwarning("警告", "文件内容为空！")
            return

        summary = generate_summary(text)
        self.summary_text.delete(1.0, tk.END)
        self.summary_text.insert(tk.END, "生成的摘要：\n" + summary)

# 启动应用
if __name__ == "__main__":
    root = tk.Tk()
    app = DocumentAnalyzerApp(root)
    root.mainloop()

---

示例运行说明

1. 运行方式
   直接运行上述 Python 脚本即可启动图形界面。

2. 操作步骤

   • 点击“浏览”按钮，选择 .txt 或 .pdf 文件。
   • 点击“提取关键词”按钮，查看提取的关键词及其权重。
   • 点击“生成摘要”按钮，查看生成的摘要内容。
3. 输入示例
   • 文件内容（500 字以上）：
     人工智能在医疗领域中被广泛应用于影像诊断和疾病预测。通过深度学习技术，AI 能够快速分析大量医学数据，辅助医生提高诊断效率。然而，数据隐私和模型可解释性仍是亟待解决的问题。
4. 输出示例
   • 关键词：
     人工智能（权重: 0.1234）
医疗（权重: 0.0987）
深度学习（权重: 0.0876）
诊断（权重: 0.0765）
数据隐私（权重: 0.0654）
   • 摘要：
     人工智能在医疗领域中被广泛应用于影像诊断和疾病预测。通过深度学习技术，AI 能够快速分析大量医学数据，辅助医生提高诊断效率。然而，数据隐私和模型可解释性仍是亟待解决的问题。

---

总结

本项目通过 Python 实现了一个本地文档关键词提取与摘要生成工具，具备以下学习价值：

• 文件读写与文本处理：支持 .txt 和 .pdf 格式文件的读取。
• NLP 应用：使用 jieba 提取关键词，使用 SnowNLP 生成摘要。
• GUI 设计：使用 Tkinter 构建用户交互界面，适合初学者学习图形化开发。
• 实际应用场景：适用于学习、办公、研究等场景，提升信息处理效率。

通过本项目，开发者可以掌握文本处理、NLP 技术和 GUI 开发的基础技能，为后续更复杂的 AI 应用打下坚实基础。

---

如需扩展功能，可考虑以下方向：

• 支持 .docx 文件解析（使用 python-docx）
• 使用 HuggingFace 的 T5 模型生成更高质量的摘要
• 添加导出功能，将关键词和摘要保存为 .txt 或 .md 文件