Yiru@Studio

首先建立一個文字檔，例如: threads_raw.txt

請按照以下步驟操作，這就是「手動採集」過程：

打開瀏覽器：進入 Threads 網頁版。

搜尋關鍵字：在搜尋框輸入你想分析的主題（例如：天主教、育幼院、或公益）。

 

往下捲動頁面，讓它跑出幾十條甚至上百條貼文。

全選複製：

在網頁任何地方點一下，按Ctrl + A (全選)。

接著按 Ctrl + C (複製)。

貼上存檔：

在你的電腦（跟 Python 程式碼同一個資料夾）建立一個新的記事本檔案。

檔名取為 threads_raw.txt。

直接 Ctrl + V (貼上)。

裡面看起來會很亂嗎？

會的！ 裡面會有一堆帳號名稱、時間、讚數、回覆按鈕、甚至是廣告。

但請放心，這就是為什麼我們需要 Python。

接下來我們寫一段邏輯，就像一個「濾網」，幫你把那些沒用的雜訊（讚數、時間、法律條款）通通濾掉，只留下真正的貼文內容。

程式碼:如果遇到找不到套件時，請自行下載

下載指令: pip install 套件名稱

程式碼:test.py

# 導入 jieba 斷詞套件：這是中文自然語言處理（NLP）最常用的工具
import jieba

# 1. 讀取你從 Threads 手動採集並存放的原始文字檔案
# 使用 'r' (read) 模式開啟，並指定 utf-8 編碼以正確讀取中文繁體字
with open('threads_raw.txt', 'r', encoding='utf-8') as f:
    content = f.read()

# 2. 【核心步驟】自定義字典：加入基金會的核心詞彙
# 這是為了避免 jieba 把「育幼院」切成「育幼」、「院」，或是把「天主」切開
# 確保這些專有名詞在後續的文字雲中能以「完整型態」出現，保留最強的品牌力
jieba.add_word("天主")
jieba.add_word("育幼院")
jieba.add_word("公益")

# 3. 執行精確模式斷詞
# lcut 會直接將讀取的長文本切開，並回傳成一個 Python 的列表 (List)
words = jieba.lcut(content)

# 4. 數據清洗與過濾邏輯
# 使用列表推導式篩選詞彙：
# (1) len(w) > 1：過濾掉單個字（如：的、我、了、在），這些字通常沒有分析意義
# (2) 過濾掉標點符號與空白，只留下真正具備「社會關懷含義」的關鍵字
meaningful_words = [w for w in words if len(w) > 1 and w.strip()]

# 5. 輸出分析結果摘要
# len(meaningful_words) 會告訴你經過濾後，我們最終提煉出了多少個「純金詞彙」
print(f"分析完成！我們從你的資料中提取了 {len(meaningful_words)} 個有意義的詞彙。")

# 6. 印出完整的詞彙清單
# 使用 ", ".join() 將列表中的 603 個詞串聯起來，中間用逗號隔開，方便閱讀檢查
print(f"--- 總計 {len(meaningful_words)} 個完整詞彙清單 ---")
print(", ".join(meaningful_words))

執行結果:

當我們執行這段「濾網」程式碼後，神奇的事情發生了。那些原本夾雜在帳號 ID 和時間戳記裡的數位碎片，被重新排列組合成了一幅清晰的社會圖譜：

分析完成！我們從你的資料中提取了 603 個有意義的詞彙。

 

這代表在 Threads 這個看似「廢文」聚集地的表面下，潛藏著巨大的公益關注這不僅是 603 個數據點，更是 603 個潛在的共鳴與支持。

 

文字雲視覺化 —— 讓數據說話

先把剛剛提取到的603個數據，複製到一個word603.txt文字檔。

程式碼範例：

# 導入 pyecharts 的配置選項，用於設定標題、顏色等視覺效果
from pyecharts import options as opts
# 導入 pyecharts 的文字雲組件，這是生成 HTML 動態雲圖的核心工具
from pyecharts.charts import WordCloud
# 導入 jieba 斷詞套件，負責將長篇大論的中文切開，變成一個個有意義的詞彙
import jieba
# 導入 Counter 工具，用來自動統計每個詞彙出現的次數（也就是詞頻）
from collections import Counter
# 1. 讀取你辛苦採集並精煉後的 603 個詞彙原始檔案
# 使用 utf-8 編碼讀取 word603.txt，確保繁體中文不會變成亂碼
with open('word603.txt', 'r', encoding='utf-8') as f:
    raw_data = f.read()

# 2. 進行數據清洗與二次精煉
# 使用 jieba.cut 將文本切開
# [w for w in ...] 是 Python 的列表推導式，邏輯是：
# 只要詞彙長度大於 1（過濾掉「的、了」等廢詞）且不是空白，就留下來
meaningful_words = [w for w in jieba.cut(raw_data) if len(w) > 1 and w.strip()]
# 3. 核心統計：計算每個關鍵字出現的頻率
# 這一點非常重要，因為出現次數越多的詞（如：育幼院），在雲圖中就會長得越大
word_counts = Counter(meaningful_words)
# 4. 格式轉換：將統計結果轉為 pyecharts 認得的列表格式
# 將字典格式轉成 [(詞, 數量), (詞, 數量)] 的配對清單
word_data = [(word, count) for word, count in word_counts.items()]

# 5. 建立文字雲物件並配置參數
c = (
    # 初始化文字雲圖表
    WordCloud()
    # 新增數據內容
    .add(
        "",                      # 系列名稱（這裡留空即可）
        word_data,               # 放入我們剛才準備好的詞頻數據
        word_size_range=[20, 100], # 設定字體大小：最小 20 像素，最大 100 像素
        shape="star"             # 設定形狀為星形
    )
    # 設定全域配置，例如幫這張圖加上一個專業的標題
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Threads 社會關注度數據洞察")
    )
)
# 6. 渲染結果並生成 HTML 檔案
# 這會在你當前的資料夾下產出一個網頁檔，可以用瀏覽器直接開啟觀看動態效果
c.render("foundation_wordcloud.html")

# 7. 在終端機印出完成訊息，方便確認執行進度
print(f"已成功處理 {len(meaningful_words)} 個核心詞彙。")
print("請打開資料夾中的 'foundation_wordcloud.html'，見證你的數據成果！")

 

執行結果:

請打開資料夾中的 'foundation_wordcloud.html'，使用瀏覽器，見證你的數據成果！

Yiru@Studio - 關於我 - 意如