#?-*-?coding:utf-8?-*-
“““
#@file:?.py
#@time:?2019/1/8?0008?15:02
“““

from?__future__?import?division

import?io
import?codecs
import?math
import?numpy?as?np
import?jieba.analyse
import?sys


reload（sys）
sys.setdefaultencoding（‘utf-8‘）

def?SIM_COS（s1_cut?s2_cut）:
????word_set?=?set（s1_cut）.union（s2_cut）
????word_dict?=?dict（）
????i?=?0
????for?word?in?word_set:
????????word_dict[word]?=?i
????????i?+=?1

????#s1_cut_code?=?[word_dict[word]?for?word?in?s1_cut]
????s1_cut_code?=?[0]?*?len（word_dict）
????for?word?in?s1_cut:
????????s1_cut_code[word_dict[word]]+=1

????#s2_cut_code?=?[word_dict[word]?for?word?in?s2_cut]
????s2_cut_code?=?[0]?*?len（word_dict）
????for?word?in?s2_cut:
????????s2_cut_code[word_dict[word]]?+=?1

????sum?=?0
????sq1?=?0
????sq2?=?0
????for?i?in?range（len（s1_cut_code））:
????????sum?+=?s1_cut_code[i]?*?s2_cut_code[i]
????????sq1?+=?pow（s1_cut_code[i]?2）
????????sq2?+=?pow（s2_cut_code[i]?2）

????try:
????????result?=?round（float（sum）?/?（math.sqrt（sq1）?*?math.sqrt（sq2））?2）
????except?ZeroDivisionerror:
????????result?=?0.0
????return?result

#path1:keyword?path2:contents
def?writePath（path1path2allline）:
????doc_list1?=?[]
????doc_list2?=?[]
????stopwords?=?[]
????for?word?in?open（“G:/Flaskweb/flaskweb/stopwords/CH_stopWords.txt“?“r“）:
????????stopwords.append（word.strip（））

????line4=[]
????allline?=?allline.replace（‘\t‘‘‘）
????line5?=?allline.split（u‘。‘）
????print（type（line5））
????for?line?in?line5:
????????if（len（line）!=0）:
????????????line4.append（line.replace（‘?‘‘‘）.replace（‘\t‘‘‘））
????#?print（len（line5））
????#?print（line4[0]）
????fw1?=?io.open（path1?‘w‘?encoding=‘utf-8‘）
????fw2?=?io.open（path2?‘w‘?encoding=‘utf-8‘）

????for?q?in?line4:
????????#?print（q.decode（“UTF-8“））
????????fw2.write（unicode（q）+‘\n‘）
????????#?print（“This?is?from?cosinDistance?fw2?yes?“）
????????words?=?jieba.cut（q?cut_all=False）
????????stayed_line?=?[]
????????for?word?in?words:
????????????if?word.encode（“utf-8“）?not?in?stopwords:
????????????????????stayed_line.append（word）
????????#?keywords?=?jieba.analyse.extract_tags（stayed_line?topK=10）
????????#?doc_list2.append（stayed_line）
????????fw1.write（unicode（“?“.join（stayed_line））?+?‘\n‘）

????fw1.close（）
????fw2.close（）
????return?1

def?cosdistance（path1?path2?path3?allline）:
????doc_list1?=?[]
????doc_list2?=?[]
????status?=?writePath（path2path3allline）

????if（status?==?1）:
????????#?print（len（doc_list2））

????????fr1?=?codecs.open（path1?‘r‘?‘utf-8‘）
????????for?line?in?fr1.readlines（）:
????????????#?line?=?line.replace（‘\n‘‘‘）
????????????line?=?line.strip（）
????????????if?（len（line）?!=?0）:
????????????????doc_list1.append（line.split（‘?‘））

????????fr2?=?codecs.open（path2?‘r‘?‘utf-8‘）
????????for?line?in?fr2.readlines（）:
????????????#?line?=?line.replace（‘\n‘‘‘）
????????????line?=?line.strip（）
????????????if?（len（line）?!=?0）:
????????????????doc_list2.app

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-04-01?15:00??Flaskweb\
?????目錄???????????0??2019-04-01?15:00??Flaskweb\.idea\
?????文件?????????488??2018-12-21?13:05??Flaskweb\.idea\Flaskweb.iml
?????文件????????3043??2019-04-01?15:00??Flaskweb\test20190115.py
?????文件?????????185??2018-12-21?13:05??Flaskweb\.idea\misc.xml
?????文件?????????268??2018-12-21?12:44??Flaskweb\.idea\modules.xml
?????文件???????43774??2019-04-01?15:00??Flaskweb\.idea\workspace.xml
?????文件?????????479??2019-04-01?15:00??Flaskweb\ReName.py
?????文件????????2391??2019-01-09?13:59??Flaskweb\content_10.txt
?????文件?????????695??2019-01-08?21:01??Flaskweb\content_20.txt
?????文件????????6654??2019-04-01?14:59??Flaskweb\cosinDistance.py
?????文件????????4290??2019-01-11?21:43??Flaskweb\cosinDistance.pyc
?????文件???????36528??2019-01-14?21:46??Flaskweb\demo.docx
?????文件????????8286??2019-04-01?15:00??Flaskweb\docxCos.py
?????文件????????5751??2019-01-23?12:06??Flaskweb\docxCos.pyc
?????目錄???????????0??2019-04-01?14:59??Flaskweb\flaskweb\
?????文件????????1479??2019-04-01?14:59??Flaskweb\flaskweb\Sim_Cos.py
?????文件????????1540??2019-01-08?20:21??Flaskweb\flaskweb\Sim_Cos.pyc
?????文件????????2162??2019-04-01?14:59??Flaskweb\flaskweb\Tools.py
?????文件????????2610??2019-01-23?11:32??Flaskweb\flaskweb\Tools.pyc
?????文件?????????462??2019-04-01?14:59??Flaskweb\flaskweb\__init__.py
?????文件?????????758??2018-12-24?16:08??Flaskweb\flaskweb\__init__.pyc
?????文件?????????223??2019-01-14?10:55??Flaskweb\flaskweb\app.conf
?????文件?????????534??2019-04-01?14:59??Flaskweb\flaskweb\doc-docx.py
?????文件????????1518??2019-04-01?14:59??Flaskweb\flaskweb\getKeyWord.py
?????文件????????1747??2018-12-25?15:32??Flaskweb\flaskweb\getKeyWord.pyc
?????文件????????3756??2019-04-01?14:59??Flaskweb\flaskweb\models.py
?????文件????????5157??2019-01-14?21:20??Flaskweb\flaskweb\models.pyc
?????文件????????3493??2019-04-01?14:59??Flaskweb\flaskweb\simHash.py
?????文件????????3168??2019-01-08?21:04??Flaskweb\flaskweb\simHash.pyc
?????目錄???????????0??2018-12-24?21:27??Flaskweb\flaskweb\stopwords\
............此處省略25個(gè)文件信息