DNB_Volltextsuche_Tutorial_korr.ipynb

{"metadata":{"orig_nbformat":4,"anaconda-cloud":{},"kernelspec":{"name":"python3","display_name":"Python 3 (ipykernel)","language":"python"},"language_info":{"name":"python","version":"3.7.10","mimetype":"text/x-python","codemirror_mode":{"name":"ipython","version":3},"pygments_lexer":"ipython3","nbconvert_exporter":"python","file_extension":".py"}},"nbformat_minor":4,"nbformat":4,"cells":[{"cell_type":"markdown","source":"# DNBLab Jupyter Notebook Tutorial","metadata":{"nbpresent":{"id":"d0d72cd5-034d-4b94-a4e2-54f7753cb9f0"}}},{"cell_type":"markdown","source":"## Digitalisierte Inhaltsverzeichnisse: Datenabfrage, Auslieferung und Volltextanalyse","metadata":{"nbpresent":{"id":"558898c3-e162-4e46-92d5-b4c914325790"}}},{"cell_type":"markdown","source":"Dieses DNBLab-Tutorial beschreibt eine Beispielabfrage zu digitalisierten Inhaltsverzeichnissen über die SRU-Schnittstelle und umfasst das temporäre Speichern der Inhaltsverzeichnisse als Textdateien sowie die Analyse der Volltexte nach \n\n* [1. Häufigkeit eines beliebigen Suchwortes](#Teil1)\n* [2. Vorkommen des Suchwortes in den einzelnen Textdateien](#Teil2)\n* [3. Top 20 häufigste Wörter in den Textdateien](#Teil3)\n","metadata":{"nbpresent":{"id":"ee78241c-36e7-45e6-b015-0ef46f1e777d"}}},{"cell_type":"markdown","source":"## Einrichten der Arbeitsumgebung\n\nUm die Arbeitsumgebung für die folgenden Schritte passend einzurichten, sollten zunächst die benötigten Python-Bibliotheken importiert werden. Für Anfragen über die SRU-Schnittstelle wird Requests (https://docs.python-requests.org/en/latest/) verwendet, zur Verarbeitung der XML-Daten BeautifulSoup https://www.crummy.com/software/BeautifulSoup/ und etree https://docs.python.org/3/library/xml.etree.elementtree.html. Mit Pandas https://pandas.pydata.org/ werden die  aus dem MARC21-Format ausgelesenen Elemente weiterverarbeitet. In der Jupyter Notebook Umgebung kann der dokumentierte Code direkt ausgeführt und angepasst werden.","metadata":{"nbpresent":{"id":"3c6f6024-cb7c-4b65-8646-a753069cb5a4"}}},{"cell_type":"code","source":"import requests\nfrom bs4 import BeautifulSoup as soup\nimport unicodedata\nfrom lxml import etree\nimport pandas as pd\nfrom collections import Counter","metadata":{},"execution_count":1,"outputs":[]},{"cell_type":"markdown","source":"## SRU-Abfrage mit Ausgabe in MARC21-xml\n\nDie Funktion dnb_sru nimmt den Paramter \"query\" der SRU-Abfrage entgegen und liefert alle Ergebnisse als eine Liste von Records aus. Bei mehr als 100 Records werden weitere Datensätze mit \"&startRecord=101\" abgerufen (mögliche Werte 1 bis 99.000). Weitere Informationen und Funktionen der SRU- Schnittstelle werden unter https://www.dnb.de/sru beschrieben.","metadata":{}},{"cell_type":"code","source":"def dnb_sru(query):\n    \n    base_url = \"https://services.dnb.de/sru/dnb\"\n    params = {'recordSchema' : 'MARC21-xml',\n          'operation': 'searchRetrieve',\n          'version': '1.1',\n          'maximumRecords': '100',\n          'query': query\n         }\n    r = requests.get(base_url, params=params)\n    xml = soup(r.content)\n    records = xml.find_all('record', {'type':'Bibliographic'})\n    \n    if len(records) < 100:\n        \n        return records\n    \n    else:\n        \n        num_results = 100\n        i = 101\n        while num_results == 100:\n            \n            params.update({'startRecord': i})\n            r = requests.get(base_url, params=params)\n            xml = soup(r.content)\n            new_records = xml.find_all('record', {'type':'Bibliographic'})\n            records+=new_records\n            i+=100\n            num_results = len(new_records)\n            \n        return records","metadata":{},"execution_count":2,"outputs":[]},{"cell_type":"markdown","source":"## Durchsuchen eines MARC-Feldes\n\nDie Funktion parse_records nimmt als Parameter jeweils einen Record entgegen, sucht über xpath die gewünschten Informationen heraus und liefert diese als Dictionary zurück. Die Schlüssel-Werte-Paare können beliebig agepasst und erweitert werden. In diesem Fall werden nur die Permalinks zu den digitalisierten Inhaltsverzeichnissen als \"link\" ausgegeben.","metadata":{}},{"cell_type":"code","source":"def parse_record(record):\n    \n    ns = {\"marc\":\"http://www.loc.gov/MARC21/slim\"}\n    xml = etree.fromstring(unicodedata.normalize(\"NFC\", str(record)))\n    \n    #link\n    link = xml.xpath(\"marc:datafield[@tag = '856']/marc:subfield[@code = 'u']\", namespaces=ns)\n    \n    try:\n        link = link[0].text\n    except:\n        link = \"unkown\"\n        \n    meta_dict = {\"link\":link + '/text'}\n    \n    return meta_dict","metadata":{},"execution_count":3,"outputs":[]},{"cell_type":"markdown","source":"Über verschiedene Indices https://services.dnb.de/sru/dnb?operation=explain&version=1.1 kann die SRU-Abfrage \"dnb_sru\" mittels CQL https://www.dnb.de/DE/Service/Hilfe/Katalog/kataloghilfeExpertensuche.html eingeschränkt werden. Im Folgenden Code wird die Abfrage über das Stichwort \"Sandwespe\" im Volltextindex der digitalisierten Inhaltsverzeichnisse eingeschränkt. Durch Anpassen der SRU-Abfrage kann die Trefferliste beliebig geändert werden.","metadata":{}},{"cell_type":"code","source":"records = dnb_sru('inh=Sandwespe')\nprint(len(records), 'Ergebnisse')","metadata":{},"execution_count":4,"outputs":[{"output_type":"stream","text":"35 Ergebnisse\n","name":"stdout"}]},{"cell_type":"markdown","source":"## Beispielanzeige zur weiteren Bearbeitung\n\nMit der Bibliothek Pandas für Python wird das Ergebnis (Dictionary-Element \"link\") als Dataframe ausgegeben.","metadata":{}},{"cell_type":"code","source":"output = [parse_record(record) for record in records]\ndf = pd.DataFrame(output)\ndf\n\n#Die Ausgabe der ermittelten Links kann je nach Bedarf über verschiedene Funktionen erfolgen:\n#print(df.to_string(index=False))\n#HTML(df.to_html(index=False))\n#document = df.to_dict(orient='list')\n#print(document)","metadata":{},"execution_count":5,"outputs":[{"output_type":"execute_result","execution_count":5,"data":{"text/plain":"                                    link\n0   https://d-nb.info/1216718180/04/text\n1   https://d-nb.info/1205215212/04/text\n2   https://d-nb.info/1203042655/04/text\n3   https://d-nb.info/1197947922/04/text\n4   https://d-nb.info/1155773403/04/text\n5   https://d-nb.info/1162289392/04/text\n6   https://d-nb.info/113822071X/04/text\n7   https://d-nb.info/1028151314/04/text\n8   https://d-nb.info/1048291391/04/text\n9   https://d-nb.info/1010103253/04/text\n10  https://d-nb.info/1002251613/04/text\n11   https://d-nb.info/989828808/04/text\n12   https://d-nb.info/987655590/04/text\n13   https://d-nb.info/921186746/04/text\n14   https://d-nb.info/890058644/04/text\n15   https://d-nb.info/880976144/04/text\n16   https://d-nb.info/206780095/04/text\n17  https://d-nb.info/1026175356/04/text\n18   https://d-nb.info/205921620/04/text\n19   https://d-nb.info/861003659/04/text\n20   https://d-nb.info/860266699/04/text\n21   https://d-nb.info/850284678/04/text\n22   https://d-nb.info/840766017/04/text\n23   https://d-nb.info/458194603/04/text\n24   https://d-nb.info/451709578/04/text\n25   https://d-nb.info/368150585/04/text\n26   https://d-nb.info/367009765/04/text\n27   https://d-nb.info/577420860/04/text\n28   https://d-nb.info/576065226/04/text\n29   https://d-nb.info/365358088/04/text\n30   https://d-nb.info/366644602/04/text\n31   https://d-nb.info/361169019/04/text\n32   https://d-nb.info/367009935/04/text\n33   https://d-nb.info/366374125/04/text\n34   https://d-nb.info/367009900/04/text","text/html":"<div>\n<style scoped>\n    .dataframe tbody tr th:only-of-type {\n        vertical-align: middle;\n    }\n\n    .dataframe tbody tr th {\n        vertical-align: top;\n    }\n\n    .dataframe thead th {\n        text-align: right;\n    }\n</style>\n<table border=\"1\" class=\"dataframe\">\n  <thead>\n    <tr style=\"text-align: right;\">\n      <th></th>\n      <th>link</th>\n    </tr>\n  </thead>\n  <tbody>\n    <tr>\n      <th>0</th>\n      <td>https://d-nb.info/1216718180/04/text</td>\n    </tr>\n    <tr>\n      <th>1</th>\n      <td>https://d-nb.info/1205215212/04/text</td>\n    </tr>\n    <tr>\n      <th>2</th>\n      <td>https://d-nb.info/1203042655/04/text</td>\n    </tr>\n    <tr>\n      <th>3</th>\n      <td>https://d-nb.info/1197947922/04/text</td>\n    </tr>\n    <tr>\n      <th>4</th>\n      <td>https://d-nb.info/1155773403/04/text</td>\n    </tr>\n    <tr>\n      <th>5</th>\n      <td>https://d-nb.info/1162289392/04/text</td>\n    </tr>\n    <tr>\n      <th>6</th>\n      <td>https://d-nb.info/113822071X/04/text</td>\n    </tr>\n    <tr>\n      <th>7</th>\n      <td>https://d-nb.info/1028151314/04/text</td>\n    </tr>\n    <tr>\n      <th>8</th>\n      <td>https://d-nb.info/1048291391/04/text</td>\n    </tr>\n    <tr>\n      <th>9</th>\n      <td>https://d-nb.info/1010103253/04/text</td>\n    </tr>\n    <tr>\n      <th>10</th>\n      <td>https://d-nb.info/1002251613/04/text</td>\n    </tr>\n    <tr>\n      <th>11</th>\n      <td>https://d-nb.info/989828808/04/text</td>\n    </tr>\n    <tr>\n      <th>12</th>\n      <td>https://d-nb.info/987655590/04/text</td>\n    </tr>\n    <tr>\n      <th>13</th>\n      <td>https://d-nb.info/921186746/04/text</td>\n    </tr>\n    <tr>\n      <th>14</th>\n      <td>https://d-nb.info/890058644/04/text</td>\n    </tr>\n    <tr>\n      <th>15</th>\n      <td>https://d-nb.info/880976144/04/text</td>\n    </tr>\n    <tr>\n      <th>16</th>\n      <td>https://d-nb.info/206780095/04/text</td>\n    </tr>\n    <tr>\n      <th>17</th>\n      <td>https://d-nb.info/1026175356/04/text</td>\n    </tr>\n    <tr>\n      <th>18</th>\n      <td>https://d-nb.info/205921620/04/text</td>\n    </tr>\n    <tr>\n      <th>19</th>\n      <td>https://d-nb.info/861003659/04/text</td>\n    </tr>\n    <tr>\n      <th>20</th>\n      <td>https://d-nb.info/860266699/04/text</td>\n    </tr>\n    <tr>\n      <th>21</th>\n      <td>https://d-nb.info/850284678/04/text</td>\n    </tr>\n    <tr>\n      <th>22</th>\n      <td>https://d-nb.info/840766017/04/text</td>\n    </tr>\n    <tr>\n      <th>23</th>\n      <td>https://d-nb.info/458194603/04/text</td>\n    </tr>\n    <tr>\n      <th>24</th>\n      <td>https://d-nb.info/451709578/04/text</td>\n    </tr>\n    <tr>\n      <th>25</th>\n      <td>https://d-nb.info/368150585/04/text</td>\n    </tr>\n    <tr>\n      <th>26</th>\n      <td>https://d-nb.info/367009765/04/text</td>\n    </tr>\n    <tr>\n      <th>27</th>\n      <td>https://d-nb.info/577420860/04/text</td>\n    </tr>\n    <tr>\n      <th>28</th>\n      <td>https://d-nb.info/576065226/04/text</td>\n    </tr>\n    <tr>\n      <th>29</th>\n      <td>https://d-nb.info/365358088/04/text</td>\n    </tr>\n    <tr>\n      <th>30</th>\n      <td>https://d-nb.info/366644602/04/text</td>\n    </tr>\n    <tr>\n      <th>31</th>\n      <td>https://d-nb.info/361169019/04/text</td>\n    </tr>\n    <tr>\n      <th>32</th>\n      <td>https://d-nb.info/367009935/04/text</td>\n    </tr>\n    <tr>\n      <th>33</th>\n      <td>https://d-nb.info/366374125/04/text</td>\n    </tr>\n    <tr>\n      <th>34</th>\n      <td>https://d-nb.info/367009900/04/text</td>\n    </tr>\n  </tbody>\n</table>\n</div>"},"metadata":{}}]},{"cell_type":"markdown","source":"## Download der Textdateien \n\nMit der folgenden Funktion df.to_csv() werden die Ergebnisse als \"links.csv\" in das Jupyter-Verzeichnins der Einstiegsseite abgelegt und können dort heruntergeladen werden. ","metadata":{}},{"cell_type":"code","source":"df.to_csv(\"links.csv\", index=False)","metadata":{},"execution_count":6,"outputs":[]},{"cell_type":"markdown","source":"Mit wget werden alle in der CSV-Datei gespeicherten Links heruntergeladen und als Textdateien (text, text.1, text.2, usw.) im temporären Jupyter-Verzeichnis gespeichert (Downloadlimit 1MB). ","metadata":{}},{"cell_type":"code","source":"!wget -Q1m -i links.csv","metadata":{"scrolled":true,"tags":[]},"execution_count":7,"outputs":[{"output_type":"stream","text":"--2021-08-19 11:04:16--  http://link/\nResolving link (link)... failed: No address associated with hostname.\nwget: unable to resolve host address ‘link’\n--2021-08-19 11:04:17--  https://d-nb.info/1216718180/04/text\nResolving d-nb.info (d-nb.info)... 193.175.100.223\nConnecting to d-nb.info (d-nb.info)|193.175.100.223|:443... connected.\nHTTP request sent, awaiting response... 200 OK\nLength: 5192 (5.1K) [text/plain]\nSaving to: ‘text’\n\ntext                100%[===================>]   5.07K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:17 (112 MB/s) - ‘text’ saved [5192/5192]\n\n--2021-08-19 11:04:17--  https://d-nb.info/1205215212/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 1553 (1.5K) [text/plain]\nSaving to: ‘text.1’\n\ntext.1              100%[===================>]   1.52K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:17 (121 MB/s) - ‘text.1’ saved [1553/1553]\n\n--2021-08-19 11:04:17--  https://d-nb.info/1203042655/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 4463 (4.4K) [text/plain]\nSaving to: ‘text.2’\n\ntext.2              100%[===================>]   4.36K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:17 (110 MB/s) - ‘text.2’ saved [4463/4463]\n\n--2021-08-19 11:04:17--  https://d-nb.info/1197947922/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 2351 (2.3K) [text/plain]\nSaving to: ‘text.3’\n\ntext.3              100%[===================>]   2.30K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:17 (63.6 MB/s) - ‘text.3’ saved [2351/2351]\n\n--2021-08-19 11:04:17--  https://d-nb.info/1155773403/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 5062 (4.9K) [text/plain]\nSaving to: ‘text.4’\n\ntext.4              100%[===================>]   4.94K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:17 (55.3 MB/s) - ‘text.4’ saved [5062/5062]\n\n--2021-08-19 11:04:17--  https://d-nb.info/1162289392/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 4354 (4.3K) [text/plain]\nSaving to: ‘text.5’\n\ntext.5              100%[===================>]   4.25K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:17 (105 MB/s) - ‘text.5’ saved [4354/4354]\n\n--2021-08-19 11:04:17--  https://d-nb.info/113822071X/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 6522 (6.4K) [text/plain]\nSaving to: ‘text.6’\n\ntext.6              100%[===================>]   6.37K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:17 (142 MB/s) - ‘text.6’ saved [6522/6522]\n\n--2021-08-19 11:04:17--  https://d-nb.info/1028151314/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 2838 (2.8K) [text/plain]\nSaving to: ‘text.7’\n\ntext.7              100%[===================>]   2.77K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:18 (72.9 MB/s) - ‘text.7’ saved [2838/2838]\n\n--2021-08-19 11:04:18--  https://d-nb.info/1048291391/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 2328 (2.3K) [text/plain]\nSaving to: ‘text.8’\n\ntext.8              100%[===================>]   2.27K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:18 (62.7 MB/s) - ‘text.8’ saved [2328/2328]\n\n--2021-08-19 11:04:18--  https://d-nb.info/1010103253/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 10704 (10K) [text/plain]\nSaving to: ‘text.9’\n\ntext.9              100%[===================>]  10.45K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:18 (65.4 MB/s) - ‘text.9’ saved [10704/10704]\n\n--2021-08-19 11:04:18--  https://d-nb.info/1002251613/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 821 [text/plain]\nSaving to: ‘text.10’\n\ntext.10             100%[===================>]     821  --.-KB/s    in 0s      \n\n2021-08-19 11:04:18 (59.0 MB/s) - ‘text.10’ saved [821/821]\n\n--2021-08-19 11:04:18--  https://d-nb.info/989828808/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 10595 (10K) [text/plain]\nSaving to: ‘text.11’\n\ntext.11             100%[===================>]  10.35K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:18 (46.5 MB/s) - ‘text.11’ saved [10595/10595]\n\n--2021-08-19 11:04:18--  https://d-nb.info/987655590/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 347 [text/plain]\nSaving to: ‘text.12’\n\ntext.12             100%[===================>]     347  --.-KB/s    in 0s      \n\n2021-08-19 11:04:19 (25.5 MB/s) - ‘text.12’ saved [347/347]\n\n--2021-08-19 11:04:19--  https://d-nb.info/921186746/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 5705 (5.6K) [text/plain]\nSaving to: ‘text.13’\n\ntext.13             100%[===================>]   5.57K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:19 (121 MB/s) - ‘text.13’ saved [5705/5705]\n\n--2021-08-19 11:04:19--  https://d-nb.info/890058644/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 10886 (11K) [text/plain]\nSaving to: ‘text.14’\n\ntext.14             100%[===================>]  10.63K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:19 (72.3 MB/s) - ‘text.14’ saved [10886/10886]\n\n--2021-08-19 11:04:19--  https://d-nb.info/880976144/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 2540 (2.5K) [text/plain]\nSaving to: ‘text.15’\n\ntext.15             100%[===================>]   2.48K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:19 (45.8 MB/s) - ‘text.15’ saved [2540/2540]\n\n--2021-08-19 11:04:19--  https://d-nb.info/206780095/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 1627 (1.6K) [text/plain]\nSaving to: ‘text.16’\n\ntext.16             100%[===================>]   1.59K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:20 (121 MB/s) - ‘text.16’ saved [1627/1627]\n\n--2021-08-19 11:04:20--  https://d-nb.info/1026175356/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 2489 (2.4K) [text/plain]\nSaving to: ‘text.17’\n\ntext.17             100%[===================>]   2.43K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:20 (61.8 MB/s) - ‘text.17’ saved [2489/2489]\n\n--2021-08-19 11:04:20--  https://d-nb.info/205921620/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 1628 (1.6K) [text/plain]\nSaving to: ‘text.18’\n\ntext.18             100%[===================>]   1.59K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:20 (118 MB/s) - ‘text.18’ saved [1628/1628]\n\n--2021-08-19 11:04:20--  https://d-nb.info/861003659/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 8792 (8.6K) [text/plain]\nSaving to: ‘text.19’\n\ntext.19             100%[===================>]   8.59K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:20 (32.9 MB/s) - ‘text.19’ saved [8792/8792]\n\n--2021-08-19 11:04:20--  https://d-nb.info/860266699/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 1992 (1.9K) [text/plain]\nSaving to: ‘text.20’\n\ntext.20             100%[===================>]   1.95K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:21 (51.9 MB/s) - ‘text.20’ saved [1992/1992]\n\n--2021-08-19 11:04:21--  https://d-nb.info/850284678/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 579 [text/plain]\nSaving to: ‘text.21’\n\ntext.21             100%[===================>]     579  --.-KB/s    in 0s      \n\n2021-08-19 11:04:21 (46.6 MB/s) - ‘text.21’ saved [579/579]\n\n--2021-08-19 11:04:21--  https://d-nb.info/840766017/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 7406 (7.2K) [text/plain]\nSaving to: ‘text.22’\n\ntext.22             100%[===================>]   7.23K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:21 (159 MB/s) - ‘text.22’ saved [7406/7406]\n\n--2021-08-19 11:04:21--  https://d-nb.info/458194603/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 8161 (8.0K) [text/plain]\nSaving to: ‘text.23’\n\ntext.23             100%[===================>]   7.97K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:21 (46.8 MB/s) - ‘text.23’ saved [8161/8161]\n\n--2021-08-19 11:04:21--  https://d-nb.info/451709578/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 29718 (29K) [text/plain]\nSaving to: ‘text.24’\n\ntext.24             100%[===================>]  29.02K  --.-KB/s    in 0.02s   \n\n2021-08-19 11:04:21 (1.78 MB/s) - ‘text.24’ saved [29718/29718]\n\n--2021-08-19 11:04:21--  https://d-nb.info/368150585/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 4910 (4.8K) [text/plain]\nSaving to: ‘text.25’\n\ntext.25             100%[===================>]   4.79K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:21 (112 MB/s) - ‘text.25’ saved [4910/4910]\n\n--2021-08-19 11:04:21--  https://d-nb.info/367009765/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 12115 (12K) [text/plain]\nSaving to: ‘text.26’\n\ntext.26             100%[===================>]  11.83K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:21 (90.6 MB/s) - ‘text.26’ saved [12115/12115]\n\n--2021-08-19 11:04:21--  https://d-nb.info/577420860/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 4255 (4.2K) [text/plain]\nSaving to: ‘text.27’\n\ntext.27             100%[===================>]   4.16K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:21 (97.4 MB/s) - ‘text.27’ saved [4255/4255]\n\n--2021-08-19 11:04:21--  https://d-nb.info/576065226/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 4763 (4.7K) [text/plain]\nSaving to: ‘text.28’\n\ntext.28             100%[===================>]   4.65K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:21 (108 MB/s) - ‘text.28’ saved [4763/4763]\n\n--2021-08-19 11:04:21--  https://d-nb.info/365358088/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 59944 (59K) [text/plain]\nSaving to: ‘text.29’\n\ntext.29             100%[===================>]  58.54K  --.-KB/s    in 0.02s   \n\n2021-08-19 11:04:21 (3.62 MB/s) - ‘text.29’ saved [59944/59944]\n\n--2021-08-19 11:04:21--  https://d-nb.info/366644602/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 23523 (23K) [text/plain]\nSaving to: ‘text.30’\n\ntext.30             100%[===================>]  22.97K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:22 (108 MB/s) - ‘text.30’ saved [23523/23523]\n\n--2021-08-19 11:04:22--  https://d-nb.info/361169019/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 1160 (1.1K) [text/plain]\nSaving to: ‘text.31’\n\ntext.31             100%[===================>]   1.13K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:22 (84.2 MB/s) - ‘text.31’ saved [1160/1160]\n\n--2021-08-19 11:04:22--  https://d-nb.info/367009935/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 13188 (13K) [text/plain]\nSaving to: ‘text.32’\n\ntext.32             100%[===================>]  12.88K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:22 (98.2 MB/s) - ‘text.32’ saved [13188/13188]\n\n--2021-08-19 11:04:22--  https://d-nb.info/366374125/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 29798 (29K) [text/plain]\nSaving to: ‘text.33’\n\ntext.33             100%[===================>]  29.10K  --.-KB/s    in 0.02s   \n\n2021-08-19 11:04:23 (1.80 MB/s) - ‘text.33’ saved [29798/29798]\n\n--2021-08-19 11:04:23--  https://d-nb.info/367009900/04/text\nReusing existing connection to d-nb.info:443.\nHTTP request sent, awaiting response... 200 OK\nLength: 13250 (13K) [text/plain]\nSaving to: ‘text.34’\n\ntext.34             100%[===================>]  12.94K  --.-KB/s    in 0s      \n\n2021-08-19 11:04:23 (91.2 MB/s) - ‘text.34’ saved [13250/13250]\n\nFINISHED --2021-08-19 11:04:23--\nTotal wall clock time: 6.2s\nDownloaded: 35 files, 298K in 0.05s (5.85 MB/s)\n","name":"stdout"}]},{"cell_type":"markdown","source":"## Volltextanalyse \n\n### 1. Häufigkeit eines beliebigen Suchwortes<a class=\"anchor\" id=\"Teil1\"></a>\n\nDie heruntergeladenen Textdateien können nach einem Suchwort, z.B. search = \"biene\" durchsucht werden. Hierbei wird die Groß- und Kleinschreibung beachtet.\nAls Antwort werden die durchsuchten Textdateien genannt und die Häufigkeit des gesuchten Wortes in den genannten Dateien ausgegeben. Dabei entspricht die Dateibenennung den im Verzeichnis heruntergeladen Textdateien (text, text1, text2 usw.).\nDas Suchwort kann beliebig geändert und die Suche durch Ausführen des Codes angepasst werden.","metadata":{}},{"cell_type":"code","source":"# Eingabe des Suchwortes mit Button zur Übernahme der eingegebenen Werte \n\nfrom IPython.display import display \nimport ipywidgets as widgets \nfrom ipywidgets import interact, Layout \n\ntb1 = widgets.Text(value = 'biene', description ='Suchwort: ');display(tb1);\n\n\nbutton = widgets.Button(description='Übernehmen!', layout=Layout(width='200px')); \nbutton.style.button_color='lightgreen';display(button); \ndef on_button_clicked(sender): \n    a = tb1.value; \n    print('Folgendes Suchwort wurde übernommen: ' + str(tb1.value))     \nbutton.on_click(on_button_clicked)","metadata":{},"execution_count":8,"outputs":[{"output_type":"display_data","data":{"text/plain":"Text(value='biene', description='Suchwort: ')","application/vnd.jupyter.widget-view+json":{"version_major":2,"version_minor":0,"model_id":"6ad490cf544546cabb49e4d2c4772ab7"}},"metadata":{}},{"output_type":"display_data","data":{"text/plain":"Button(description='Übernehmen!', layout=Layout(width='200px'), style=ButtonStyle(button_color='lightgreen'))","application/vnd.jupyter.widget-view+json":{"version_major":2,"version_minor":0,"model_id":"698324e60aa24795a3d565936d19e4df"}},"metadata":{}},{"output_type":"stream","text":"Folgendes Suchwort wurde übernommen: biene\n","name":"stdout"}]},{"cell_type":"markdown","source":"Nach Übernahme des Suchworts werden alle Treffer in den Dateien gezählt und ausgegeben.","metadata":{}},{"cell_type":"code","source":"# Automatische Verarbeitung der Dateinamen\n\ndef adding_name(counter):\n\n    i = 1\n    names = []\n\n    for i in range (1, counter): \n        number = str(i)\n        name = \"text.\" + number\n        names.append(name)\n        i+=1\n    \n    return names \n    \n\n\ncounter = len(records)\n\nvar = adding_name(counter)\nprint(\"Folgende Textdateien wurden durchsucht: \\n text\", *var, sep = \"\\n\") \n\n\n# Suche und Zählen der Zeilen mit Treffern\n\nsearch = str(tb1.value)\nanzahl = 0 \nanzahl2 = 0\n\nfilename = 'text'\nwith open(filename) as f:\n    for num, line in enumerate(f, 1):\n        if search in line:\n            anzahl += 1\n            \nfor name in var: \n    with open(name) as f:\n        for num, line in enumerate(f, 1):\n            if search in line:\n                anzahl2 += 1\n\nprint('Insgesamt wurde das Suchwort', anzahl+anzahl2, \"Mal in den zu durchsuchenden Textdateien gefunden.\")","metadata":{},"execution_count":9,"outputs":[{"output_type":"stream","text":"Folgende Textdateien wurden durchsucht: \n text\ntext.1\ntext.2\ntext.3\ntext.4\ntext.5\ntext.6\ntext.7\ntext.8\ntext.9\ntext.10\ntext.11\ntext.12\ntext.13\ntext.14\ntext.15\ntext.16\ntext.17\ntext.18\ntext.19\ntext.20\ntext.21\ntext.22\ntext.23\ntext.24\ntext.25\ntext.26\ntext.27\ntext.28\ntext.29\ntext.30\ntext.31\ntext.32\ntext.33\ntext.34\nInsgesamt wurde das Suchwort 127 Mal in den zu durchsuchenden Textdateien gefunden.\n","name":"stdout"}]},{"cell_type":"markdown","source":"### 2. Vorkommen des Suchwortes in den einzelnen Textdateien<a class=\"anchor\" id=\"Teil2\"></a>\n\nAlle Treffer werden mit Angabe der Zeile und Datei ausgegeben. \n","metadata":{}},{"cell_type":"code","source":"search = str(tb1.value)\nnew_file = open('Trefferliste.txt', 'w')\n\nfilename = 'text'\nwith open(filename) as f:\n    for num, line in enumerate(f, 1):\n        if search in line:\n            print('Das Suchwort \"%s\" wurde gefunden in Zeile:' % search, num , 'in der Datei ',filename)\n            text = ('Das Suchwort \"%s\" wurde gefunden in Zeile:' % search, num , 'in der Datei ',filename)\n            new_file.write(str(text) + \"\\n\")\n            #summary.append(text)\n            \n            \n#Einbau der Schleife erst hier wegen des leicht anderen Formats der Dateinamen... :             \nfor name in var: \n    with open(name) as f:\n        for num, line in enumerate(f, 1):\n            if search in line:\n                print('Das Suchwort \"%s\" wurde gefunden in Zeile:' % search, num , 'in der Datei ',name) \n                text2 = ('Das Suchwort \"%s\" wurde gefunden in Zeile:' % search, num , 'in der Datei ',name)\n                new_file.write(str(text2) + \"\\n\")\n                \nnew_file.close()\n\nwith open('Trefferliste.txt') as f:\n    #lines = f.readlines()\n    result = f.read()","metadata":{"scrolled":true,"tags":[]},"execution_count":10,"outputs":[{"output_type":"stream","text":"Das Suchwort \"biene\" wurde gefunden in Zeile: 11 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 13 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 14 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 15 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 16 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 17 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 18 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 31 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 33 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 43 in der Datei  text\nDas Suchwort \"biene\" wurde gefunden in Zeile: 43 in der Datei  text.1\nDas Suchwort \"biene\" wurde gefunden in Zeile: 29 in der Datei  text.2\nDas Suchwort \"biene\" wurde gefunden in Zeile: 30 in der Datei  text.2\nDas Suchwort \"biene\" wurde gefunden in Zeile: 31 in der Datei  text.2\nDas Suchwort \"biene\" wurde gefunden in Zeile: 32 in der Datei  text.2\nDas Suchwort \"biene\" wurde gefunden in Zeile: 33 in der Datei  text.2\nDas Suchwort \"biene\" wurde gefunden in Zeile: 34 in der Datei  text.2\nDas Suchwort \"biene\" wurde gefunden in Zeile: 35 in der Datei  text.2\nDas Suchwort \"biene\" wurde gefunden in Zeile: 36 in der Datei  text.2\nDas Suchwort \"biene\" wurde gefunden in Zeile: 9 in der Datei  text.3\nDas Suchwort \"biene\" wurde gefunden in Zeile: 11 in der Datei  text.3\nDas Suchwort \"biene\" wurde gefunden in Zeile: 12 in der Datei  text.3\nDas Suchwort \"biene\" wurde gefunden in Zeile: 13 in der Datei  text.3\nDas Suchwort \"biene\" wurde gefunden in Zeile: 14 in der Datei  text.3\nDas Suchwort \"biene\" wurde gefunden in Zeile: 20 in der Datei  text.3\nDas Suchwort \"biene\" wurde gefunden in Zeile: 23 in der Datei  text.3\nDas Suchwort \"biene\" wurde gefunden in Zeile: 30 in der Datei  text.3\nDas Suchwort \"biene\" wurde gefunden in Zeile: 32 in der Datei  text.5\nDas Suchwort \"biene\" wurde gefunden in Zeile: 33 in der Datei  text.5\nDas Suchwort \"biene\" wurde gefunden in Zeile: 9 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 13 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 14 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 23 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 24 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 26 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 27 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 28 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 31 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 49 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 67 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 137 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 139 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 140 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 141 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 142 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 146 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 149 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 151 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 152 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 156 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 157 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 158 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 159 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 160 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 164 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 172 in der Datei  text.6\nDas Suchwort \"biene\" wurde gefunden in Zeile: 48 in der Datei  text.7\nDas Suchwort \"biene\" wurde gefunden in Zeile: 50 in der Datei  text.7\nDas Suchwort \"biene\" wurde gefunden in Zeile: 51 in der Datei  text.7\nDas Suchwort \"biene\" wurde gefunden in Zeile: 9 in der Datei  text.10\nDas Suchwort \"biene\" wurde gefunden in Zeile: 16 in der Datei  text.10\nDas Suchwort \"biene\" wurde gefunden in Zeile: 17 in der Datei  text.10\nDas Suchwort \"biene\" wurde gefunden in Zeile: 6 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 10 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 11 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 20 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 21 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 23 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 24 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 25 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 44 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 65 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 90 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 92 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 94 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 95 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 96 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 97 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 98 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 99 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 100 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 104 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 107 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 109 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 110 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 115 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 116 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 117 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 118 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 122 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 130 in der Datei  text.11\nDas Suchwort \"biene\" wurde gefunden in Zeile: 59 in der Datei  text.13\nDas Suchwort \"biene\" wurde gefunden in Zeile: 78 in der Datei  text.15\nDas Suchwort \"biene\" wurde gefunden in Zeile: 18 in der Datei  text.16\nDas Suchwort \"biene\" wurde gefunden in Zeile: 51 in der Datei  text.16\nDas Suchwort \"biene\" wurde gefunden in Zeile: 41 in der Datei  text.17\nDas Suchwort \"biene\" wurde gefunden in Zeile: 18 in der Datei  text.18\nDas Suchwort \"biene\" wurde gefunden in Zeile: 51 in der Datei  text.18\nDas Suchwort \"biene\" wurde gefunden in Zeile: 46 in der Datei  text.20\nDas Suchwort \"biene\" wurde gefunden in Zeile: 137 in der Datei  text.23\nDas Suchwort \"biene\" wurde gefunden in Zeile: 101 in der Datei  text.25\nDas Suchwort \"biene\" wurde gefunden in Zeile: 9 in der Datei  text.27\nDas Suchwort \"biene\" wurde gefunden in Zeile: 39 in der Datei  text.27\nDas Suchwort \"biene\" wurde gefunden in Zeile: 95 in der Datei  text.28\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1190 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1666 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1667 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1669 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1670 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1671 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1672 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1673 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1674 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1675 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1676 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1678 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1679 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1683 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1684 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1686 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1687 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1689 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1697 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1698 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1700 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 1715 in der Datei  text.29\nDas Suchwort \"biene\" wurde gefunden in Zeile: 340 in der Datei  text.33\n","name":"stdout"}]},{"cell_type":"markdown","source":"### 3. Top 20 häufigste Wörter in den Textdateien<a class=\"anchor\" id=\"Teil3\"></a>","metadata":{}},{"cell_type":"code","source":"content = []\n\nfilename = 'text'\nwith open(filename) as f:\n    file1 = f.read()\n    content.append(file1.lower())\n            \n#Einbau der Schleife erst hier wegen des leicht anderen Formats der Dateinamen... :             \nfor name in var: \n    with open(name) as f:\n        morefiles = f.read()\n        content.append(morefiles.lower())\n        \nimport string\n\nlistofthings = list()\n\nfor entry in content:      \n    #Remove punctuation\n    for c in string.punctuation:\n        entry= entry.replace(c,\" \")\n    test = str.split(entry)\n    listofthings.extend(test)\n    \n#Enternen der Seitenzahlen:\nwords = []\n        \nfor item in listofthings: \n    if item.isdecimal() is True: \n        continue\n    else: \n        words.append(item)\n        \ncounts = Counter(words)\n\n#Importieren der zu entfernenden Stopwörter (wie bpsw. \"und\", \"der\", etc.):\n\nimport nltk\nfrom nltk.corpus import stopwords\nfrom nltk.tokenize import word_tokenize\nnltk.download('stopwords')\n\nstopger = stopwords.words('german')\n\nnewStopwords = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l',\n              'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z', 'vgl', '\\x97', '•', '■', 'v',\n               'beim', 'inhaltsverzeichnis', 'seite']\n\nstopger.extend(newStopwords)\n\ntokens_without_sw = [word for word in words if not word in stopger]\ncounts = Counter(tokens_without_sw)\n\n","metadata":{},"execution_count":11,"outputs":[{"output_type":"stream","text":"[nltk_data] Downloading package stopwords to /home/jovyan/nltk_data...\n[nltk_data]   Unzipping corpora/stopwords.zip.\n","name":"stderr"}]},{"cell_type":"code","source":"#Ausgabe der \"Top 20\", Zahl kann beliebig angepasst werden:\nprint(counts.most_common(20))","metadata":{},"execution_count":12,"outputs":[{"output_type":"stream","text":"[('familie', 203), ('arbeitsblatt', 142), ('materialgebundene', 119), ('aufgabe', 119), ('nr', 95), ('ordnung', 81), ('gemeine', 63), ('bienen', 62), ('insekten', 54), ('unterordnung', 49), ('sandwespe', 38), ('ii', 38), ('menschen', 37), ('unterfamilie', 37), ('hebel', 36), ('vögel', 35), ('leben', 34), ('wespen', 34), ('große', 34), ('uhland', 32)]\n","name":"stdout"}]},{"cell_type":"code","source":"df = pd.DataFrame(counts.most_common(20), columns=['Wort', 'Häufigkeit'])\ndf","metadata":{},"execution_count":13,"outputs":[{"output_type":"execute_result","execution_count":13,"data":{"text/plain":"                 Wort  Häufigkeit\n0             familie         203\n1        arbeitsblatt         142\n2   materialgebundene         119\n3             aufgabe         119\n4                  nr          95\n5             ordnung          81\n6             gemeine          63\n7              bienen          62\n8            insekten          54\n9        unterordnung          49\n10          sandwespe          38\n11                 ii          38\n12           menschen          37\n13       unterfamilie          37\n14              hebel          36\n15              vögel          35\n16              leben          34\n17             wespen          34\n18              große          34\n19             uhland          32","text/html":"<div>\n<style scoped>\n    .dataframe tbody tr th:only-of-type {\n        vertical-align: middle;\n    }\n\n    .dataframe tbody tr th {\n        vertical-align: top;\n    }\n\n    .dataframe thead th {\n        text-align: right;\n    }\n</style>\n<table border=\"1\" class=\"dataframe\">\n  <thead>\n    <tr style=\"text-align: right;\">\n      <th></th>\n      <th>Wort</th>\n      <th>Häufigkeit</th>\n    </tr>\n  </thead>\n  <tbody>\n    <tr>\n      <th>0</th>\n      <td>familie</td>\n      <td>203</td>\n    </tr>\n    <tr>\n      <th>1</th>\n      <td>arbeitsblatt</td>\n      <td>142</td>\n    </tr>\n    <tr>\n      <th>2</th>\n      <td>materialgebundene</td>\n      <td>119</td>\n    </tr>\n    <tr>\n      <th>3</th>\n      <td>aufgabe</td>\n      <td>119</td>\n    </tr>\n    <tr>\n      <th>4</th>\n      <td>nr</td>\n      <td>95</td>\n    </tr>\n    <tr>\n      <th>5</th>\n      <td>ordnung</td>\n      <td>81</td>\n    </tr>\n    <tr>\n      <th>6</th>\n      <td>gemeine</td>\n      <td>63</td>\n    </tr>\n    <tr>\n      <th>7</th>\n      <td>bienen</td>\n      <td>62</td>\n    </tr>\n    <tr>\n      <th>8</th>\n      <td>insekten</td>\n      <td>54</td>\n    </tr>\n    <tr>\n      <th>9</th>\n      <td>unterordnung</td>\n      <td>49</td>\n    </tr>\n    <tr>\n      <th>10</th>\n      <td>sandwespe</td>\n      <td>38</td>\n    </tr>\n    <tr>\n      <th>11</th>\n      <td>ii</td>\n      <td>38</td>\n    </tr>\n    <tr>\n      <th>12</th>\n      <td>menschen</td>\n      <td>37</td>\n    </tr>\n    <tr>\n      <th>13</th>\n      <td>unterfamilie</td>\n      <td>37</td>\n    </tr>\n    <tr>\n      <th>14</th>\n      <td>hebel</td>\n      <td>36</td>\n    </tr>\n    <tr>\n      <th>15</th>\n      <td>vögel</td>\n      <td>35</td>\n    </tr>\n    <tr>\n      <th>16</th>\n      <td>leben</td>\n      <td>34</td>\n    </tr>\n    <tr>\n      <th>17</th>\n      <td>wespen</td>\n      <td>34</td>\n    </tr>\n    <tr>\n      <th>18</th>\n      <td>große</td>\n      <td>34</td>\n    </tr>\n    <tr>\n      <th>19</th>\n      <td>uhland</td>\n      <td>32</td>\n    </tr>\n  </tbody>\n</table>\n</div>"},"metadata":{}}]},{"cell_type":"code","source":"import matplotlib.pyplot as plt\n%matplotlib inline\n\ndf.plot(kind='bar', x=0, y=1, title='Worthäufigkeiten', figsize=(10,7), color='#86bf91')","metadata":{},"execution_count":16,"outputs":[{"output_type":"execute_result","execution_count":16,"data":{"text/plain":"<AxesSubplot:title={'center':'Worthäufigkeiten'}, xlabel='Wort'>"},"metadata":{}},{"output_type":"display_data","data":{"text/plain":"<Figure size 720x504 with 1 Axes>","image/png":"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\n"},"metadata":{"needs_background":"light"}}]},{"cell_type":"code","source":"","metadata":{},"execution_count":null,"outputs":[]}]}