# -*- coding: utf-8 -*-
# 作者：Halcyon（王思平102201544）

import os
import pandas as pd
import jieba
from collections import Counter


def read_excel_and_count_words(file_path, sheet_name='Sheet1', column_name='内容'):
    # 1、读取excel文件的指定表格和列
    df = pd.read_excel(file_path, sheet_name=sheet_name)

    if column_name not in df.columns:
        print(f"列名 '{column_name}' 在 Excel 文件中未找到。")
        return

    # 2、获取指定列的文本内容
    report = ' '.join(df[column_name].astype(str).tolist())  # 将所有行合并为一个字符串

    # 3、进行分词
    words = jieba.cut(report)

    # 4、按指定长度提取词
    report_words = [word for word in words if len(word) >= 3]

    # 5、统计高频词汇
    result = Counter(report_words).most_common(50)

    # 6、输出结果
    print("高频词汇统计结果：")
    for word, count in result:
        print(f"{word}: {count}")

    # 7、保存高频词及其频率到excel文件
    result_df = pd.DataFrame(result, columns=['词汇', '频率'])  # 创建DataFrame

    output_folder = 'output'  # 指定输出文件夹
    if not os.path.exists(output_folder):  # 如果文件夹不存在就创建它
        os.makedirs(output_folder)
    output_file = os.path.join(output_folder, '高频词.xlsx')

    result_df.to_excel(output_file, index=False, sheet_name='高频词汇')  # 保存到excel文件


if __name__ == '__main__':
    file_path = 'output\\合并弹幕.xlsx'  # 要分析的excel文件路径
    sheet_name = 'MergedData'     # 工作表名称
    column_name = '弹幕文本'       # 弹幕所在列名

    read_excel_and_count_words(file_path, sheet_name, column_name)