Python 十分钟学会用任意中文文本生成词云

前述

本文需要的两个Python类库 
jieba:中文分词分词工具 
wordcloud:Python下的词云生成工具

写作本篇文章用时一个小时半,阅读需要十分钟,读完该文章后你将学会如何将任意中文文本生成词云 
Python词云 worldcloud 十五分钟入门与进阶 
Python中文分词 jieba 十五分钟入门与进阶

代码组成简介

1. 代码部分来源于其他人的博客,但是因为bug或者运行效率的原因,我对代码进行了较大的改变
2. 代码第一部分,设置代码运行需要的大部分参数,你可以方便的直接使用该代码而不需要进行过多的修改
3. 第二部分为jieba的一些设置,当然你也可以利用isCN参数取消中文分词
4. 第三部分,wordcloud的设置,包括图片展示与保存

如果你想用该代码生成英文词云,那么你需要将isCN参数设置为0,并且提供英文的停用词表,但是我更推荐你使用Python词云 worldcloud 十五分钟入门与进阶这篇文章中的代码,因为它更简洁,更有利于使用’

Use the code by comment

关于该程序的使用,你可以直接读注释在数分钟内学会如何使用它

# - * - coding: utf - 8 -*-## 作者：田丰(FontTian)# 创建时间:'2017/5/23'# 邮箱：[e-mail]# CSDN：http://blog.csdn.net/fontthronefrom os import pathfrom scipy.misc import imreadimport matplotlib.pyplot as pltimport jieba# jieba.load_userdict("txt\userdict.txt")# 添加用户词库为主词典,原词典变为非主词典from wordcloud import WordCloud, ImageColorGenerator# 获取当前文件路径# __file__ 为当前文件, 在ide中运行此行会报错,可改为# d = path.dirname('.')d = path.dirname(__file__)stopwords = {}isCN = 1 #默认启用中文分词back_coloring_path = "img/lz1.jpg" # 设置背景图片路径text_path = 'txt/lz.txt' #设置要分析的文本路径font_path = 'D:\Fonts\simkai.ttf' # 为matplotlib设置中文字体路径没stopwords_path = 'stopwords\stopwords1893.txt' # 停用词词表imgname1 = "WordCloudDefautColors.png" # 保存的图片名字1(只按照背景图片形状)imgname2 = "WordCloudColorsByImg.png"# 保存的图片名字2(颜色按照背景图片颜色布局生成)my_words_list = ['路明非'] # 在结巴的词库中添加新词back_coloring = imread(path.join(d, back_coloring_path))# 设置背景图片# 设置词云属性wc = WordCloud(font_path=font_path,  # 设置字体               background_color="white",  # 背景颜色               max_words=2000,  # 词云显示的最大词数               mask=back_coloring,  # 设置背景图片               max_font_size=100,  # 字体最大值               random_state=42,               width=1000, height=860, margin=2,# 设置图片默认的大小,但是如果使用背景图片的话,那么保存的图片大小将会按照其大小保存,margin为词语边缘距离               )# 添加自己的词库分词def add_word(list):    for items in list:        jieba.add_word(items)add_word(my_words_list)text = open(path.join(d, text_path)).read()def jiebaclearText(text):    mywordlist = []    seg_list = jieba.cut(text, cut_all=False)    liststr="/ ".join(seg_list)    f_stop = open(stopwords_path)    try:        f_stop_text = f_stop.read( )        f_stop_text=unicode(f_stop_text,'utf-8')    finally:        f_stop.close( )    f_stop_seg_list=f_stop_text.split('\n')    for myword in liststr.split('/'):        if not(myword.strip() in f_stop_seg_list) and len(myword.strip())>1:            mywordlist.append(myword)    return ''.join(mywordlist)if isCN:    text = jiebaclearText(text)# 生成词云, 可以用generate输入全部文本(wordcloud对中文分词支持不好,建议启用中文分词),也可以我们计算好词频后使用generate_from_frequencies函数wc.generate(text)# wc.generate_from_frequencies(txt_freq)# txt_freq例子为[('词a', 100),('词b', 90),('词c', 80)]# 从背景图片生成颜色值image_colors = ImageColorGenerator(back_coloring)plt.figure()# 以下代码显示图片plt.imshow(wc)plt.axis("off")plt.show()# 绘制词云# 保存图片wc.to_file(path.join(d, imgname1))image_colors = ImageColorGenerator(back_coloring)plt.imshow(wc.recolor(color_func=image_colors))plt.axis("off")# 绘制背景图片为颜色的图片plt.figure()plt.imshow(back_coloring, cmap=plt.cm.gray)plt.axis("off")plt.show()# 保存图片wc.to_file(path.join(d, imgname2))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98

good luck

本文发表于http://blog.csdn.net/FontThrone/article/details/72782971#comments