Python 调试器
的历史，总结了Python的强大之处和不足并且指出了与其他脚本语言,相比，以及Python语言与其他语言的优势所在,下面进行学习介绍说明。
PyDev 就能显示出一个超链接，这样您可以在导入库或函数的源代码之间导航。请注意，为了在您自己的源代码中跨模块使用该特性（从一个模块链接到另一个模块），必须修改PYTHONPATH 环境变量。
在其中加入这些模块，这样 PyDev 就可以找到它们了。
Python 调试器
是最近才加入 PyDev 插件中的。要使用调试器，可在Python编辑器中想中断的代码行的左侧点击，设置断点。
我在 feedparser.py 的 1830 行处设置了断点。然后在 Navigator 视图中选择这个Python模块，点击右键，选择“PythonDebug...”。这时将显示与前面相似的一个启动配置窗口。点击 Debug 进入 Debug 视角，同时启动调试器。 左上角的 Debug 视图显示当前正在执行的进程和线程，右上角的 Variables 视图显示当前运行域中的所有变量。
Python编辑器会显示调试器目前停在哪条语句上，同时所有的输出信息都显示与 Console 视图中。调试器可以通过 Debug 视图底部的按钮或 Run 菜单进行控制。 要运行刚刚在 Eclipse 中创建的启动器，可选择 Run External ToolspythonInterpreter。
Python解释器的输出显示在 Console 视图中。
使用VSCode调试Python时，在终端中会显示执行过程的命令信息(如下图)，感觉眼花缭乱，可以配置"launch.json"内容，不显示这些执行过程信息，只显示代码结果。
工具/原料
安装好的VSCode和Python插件
安装好的Python
方法/步骤
点击左侧【调试】按钮(小甲壳虫图标)，查看界面左上方当前使用的调试配置名称。记住这个名称，一会"launch.json"配置文件中用得到。如下图，当前使用的是“Python: Current File”。
点击旁边的齿轮图标，显示"launch.json"配置文件的内容，找到第一步中使用的配置名称项，如下图：
将该项最后"console"值设置为“none”如下图。如果没有"console"项，则手动输入："console":"none",注意与上一项之间，要有逗号间隔开，不要遗漏。如下图。修改完后，记得保存。最后再重新调试，就只显示运行结果了。
END
注意事项
修改"launch.json"配置文件中的调试项名称要与当前使用的调试项名称一致
添加"console":"none"后，注意与前一项之间要有逗号间隔
我的解决方案：用浏览器打开 txt文本，复制。在vscode或者任意编辑器下新建文件，粘贴保存即可。
下面是对txt文本的预处理，将全部文本分为120章节，保存为csv文件,代码如下：
简单解释： 首先读取全部文本，用正则表达式reg匹配章节，切分章节回， 去除内容小于200字的章节，最后为120章节，保存为csv文件。 提示：在spilt过程中，章节内容中也会出现匹配情况，全本搜索找到内容中的相关匹配项，删除即可。
首先是读取csv文件。 下面使用python的第三方库jieba分词, 基于tf-idf算法进行关键字提取。
tf-id：阮一峰
对该算法的理解可以参考上述博客，大概有3篇文章， 简单易懂。
简单解释： 第3行：使用算法对每个章节中最关键的1000个词进行关键词提取。 第4行：由于后续处理词向量的格式时空格加关键词， 所以进行简单转换。
输出如下：
下面使用sklearn中的CountVectorizer对上述提取的关键词生成词向量。
python代码实现可以参考我之前写的博客 机器学习之贝叶斯分类
其中简单介绍了如何构建词集或者词袋模型，生成词向量。
代码如下：
简单解释: 首先生成5000个特征的vertorizer， 对vorc进行训练转换， 得到120个词向量。
接着转为array形式，进行聚类。
这里做个假设：假定红楼梦前后不是一个人所写，那么用词方面也会有区别。通过聚类算法，如果得到的结果有明显的界限， 那么可以进行初步判断。下面是我的可视化过程： 代码如下：
简单解释：首先使用kmeans聚类算法，k=2分为两类，打印其类别。基于先前的假设，后四十回为高鹗缩写，因此在80回有明显的区分。 下面看结果：
可以看到前80回和后四十回有明显的区分，为了加强验证，可以将k设为不同的值，进行横向对比。 如下：
可视化结果如下：
简单解释：
k分为为3， 4， 5， 6 ，7， 8。 首先查看第一图， 每一行的点表示分为同一类 ，可以看到同三类。可以看到后四十回中有少量的章节被分为0，2类，但是大部分还是归为一类，这就表示后十四回的行文风格与前80回有不同。 第二图是分为4类的情况，后面也基本得到类似的情况。 基于以上分析及横向比较，可以初步推断前80回合和后80回不是同一个人所写。
提出疑问：是否因为情节的变化，导致用词习惯，频率有所差异。 这里使用其他两部名著三国演义和水浒传来做个纵向对比。文本预处理，词向量生成都是一样的。具体可看我写的代码。最后的可视化结果如下： 首先是三国演义：
还是按照上面的分析：第一幅图中大概前83回与后面内容不一样。随着k的变化，比如k为4, 5, 6, 8， 部分章节前后章节无法做出明显的区分，因为初步判断为同一人所写。
水浒传的结果：
可以做自己的判断。
