词云-将豆瓣短评制作成词云

词云

什么是词云

​ “词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨。

比如 哔哩哔哩周杰伦—《Mojito》弹幕的词云

我们能清楚这些弹幕中次数最多的次东西，**好听，杰伦，爷青回…**请忽略内裤…

词云生成规则

​ 我们这种关键词云是对海量文字内容中出现频率较高的“关键词”的视觉突出，即出现越多的“关键词”字体越大

如何制作词云呢

首先我们创建一个python文件取名为wordcloud(注意不要取名为跟库一样的名字，我在踩坑)

然后我们在pycharm中的Treminal安装词云库

pip install wordcloud

首先我们导入模块就给我们提示报错了ImportError: cannot import name 'wordcloud' from 'wordcloud'

这个错误就是我们把文件名取成了模块名（修改文件名）

我们调用词云的绘制方法WordCloud，Word cloud object for generating and drawing.

这里我们主要用到其中的几个参数就可以画出一个简单的词云图

scale : float (default=1) //按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍。
font_path : string //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = '黑体.ttf'
width : int (default=400) //输出的画布宽度，默认为400像素
height : int (default=200) //输出的画布高度，默认为200像素

我们先设置绘制方法 字体为彩云，高200宽400，比例15，然后背景为粉红

w = wordcloud.WordCloud(
    					font_path=r"C:\Windows\Fonts\STCAIYUN.TTF"",  # 打开C盘搜索font就可以了 这是华文彩云字体
                        width=400,
                        height=200,
                        scale=15,
                        background_color="pink"
                        )

然后我们再打开我们需要的文件，将它读取

with open("['肖申克的救赎 短评'].txt", "rt", encoding="utf-8")as f:
    text = f.read()

读取之后啊我们就可以用之前定义的w方法来绘制了

w.generate(text)  # Generate wordcloud from text 从文档中生成词云
w.to_file("肖申克.jpg")  # Export to image file 导出图像文件 png or jpg

这样我们就得到了一个简单的词云图

改进

但是这样还是不太明确对吧有些都还是句子， 而且效果也不是很好，我们再修改一下w的参数 换个字体换个背景，如果我们要让词云生成更精确的单词我们就需要用到 jieba库还是老方法 pip install jieba

ieba是python的一个中文分词库，下面介绍它的使用方法

1. 精确模式，试图将句子最精确地切开，适合文本分析；
2. 全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；
3. 搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。

在这里我们主要用它的精确模式

运用jieba库中的lcut方法，他会根据语义，组成精确的最匹配的词语并直接给我们返回一个词语的列表

我们把这个短评文本处理一下

txt_list = jieba.lcut(txt)  # 结巴处理文件返回词语列表
for i in txt_list:  # 我们要去除列表中的干扰字符，书名号，冒号 列表符号等等....
    if i in "[],，'《》":
        txt_list.remove(i)

string = ",".join(txt_list)  # 然后再将列表拼接成字符串

最后我们得到了一个更精确的词云图

完整代码附上

from wordcloud import wordcloud
import jieba

w = wordcloud.WordCloud(font_path=r"C:\Windows\Fonts\simhei.ttf",  # 雅黑
                        width=400,
                        height=200,
                        scale=10,
                        background_color="white"  # 背景颜色
                        )

with open("['肖申克的救赎 短评'].txt", "rt", encoding="utf-8")as f:  # 文件可自选
    txt = f.read()

txt_list = jieba.lcut(txt)
for i in txt_list:
    if i in "[],，'《》":
        txt_list.remove(i)

string = ",".join(txt_list)

w.generate(string)
w.to_file('肖申克.png')

词云与结巴库的方法后续介绍