项目日报（二）

今天进行项目的第二阶段，进项关键字的提取，本打算利用hanlp进行分词，将成果简介中的数据提取，可是在Python中安装pyhanlp之后运行老是报错

 

 提示无法引入包，找不到Java路径，还根据教程下载了hanlp的资源包，放到pyhanlp的static路径下还是无法解决，折腾了一晚上还是没弄出来

所以选择使用TextRank 或者是TF-IDF方法进行分词了，等完成之后继续解决。

然后对国家标准行业代码进行了梳理，现在的国民经济行业代码一共有2个版本，GB/T 4754-2017 和GB/T 4754-2011 由于网上的数据几乎都是PDF或文本格式，为了符合要求，按照国民经济行业代码的结构进行还原（门类，大类，中类，小类）这样就便于查找了