根据词频生成词云

最新推荐文章于 2025-03-22 08:15:00 发布

进击的黑蛋

最新推荐文章于 2025-03-22 08:15:00 发布

阅读量1.7k

点赞数 2

分类专栏： python

本文链接：https://blog.csdn.net/wlddn/article/details/113586805

版权

python 专栏收录该内容

17 篇文章

订阅专栏

#-*- coding: utf-8 -*-
#.py文件名不能和引用的库名重复
"""
Created on Sun Mar  8 11:01:44 2020
@author: toto
"""
 
import os,jieba
 
from wordcloud import WordCloud
from PIL import Image
import numpy as np
 
cwd = os.getcwd()#当前工作路径
 
#os.path.join(cwd,文件名)== 文件名
jieba.load_userdict("UserDict.txt")#加载自定义词典文本
 
book = "Solitude.txt"#处理的书籍文本，注意检查不要乱码
stop_word = "stop_word.txt"#停用词文本
top_word = "TopWord.txt"#高频词文本
 
type_pic = "Marquez.jpeg"#白背景词云掩膜图片
cloud = "Solitudecloud.png"#词云图
 
##——分词——
#读取txt书籍文件
fb = open(book,'r',encoding='UTF-8')
book_txt = fb.read()
 
#读取txt停用词文件
ff = open(stop_word,'r',encoding='UTF-8')
stop_word_txt = ff.read()
 
#拆分词语存入列表
#jieba.add_word("何塞·阿尔卡蒂奥·布恩迪亚")
word_ls = jieba.lcut(book_txt,cut_all=False,HMM=True) # 精确模式
#print(word_ls)
 
##——统计词频——
word_dict = {}
 
for i in word_ls:
    
    if i not in stop_word_txt:
    
        word_dict[i] = word_dict.get(i, 0) + 1
 
#print(word_dict)
 
word_ls = sorted(word_dict.items(), key=lambda x: x[1], reverse=True)#变成以（词语，次数）为元组的列表
print(word_ls[0:101])
 
 
#写入高频词文本
#fw = open(top_word,"wt",encoding="utf-8")
top_word = []
for j in range(200):
    
    top_word.append(word_ls[j][0])
 
top_word_txt = " ".join(top_word)     
    
##——生成词云——
Marquez_mask = np.array(Image.open(type_pic))
wordcloud_Solitude = WordCloud(
        background_color="white", 
        max_words=200,
    	# 添加遮罩层
        mask=Marquez_mask,
        # 生成中文字体
        font_path = os.path.join(cwd,"SIMKAI.TTF"),
        contour_width=3,
        min_font_size=2,
        #max_font_size=40,
        )
 
wordcloud_Solitude.generate(top_word_txt)#注意函数参数是列表，不是txt文本
wordcloud_Solitude.to_file(cloud)
 
 
fb.close()
ff.close()
#拓展——jieba自定义词典正则表达式匹配（如何塞·阿尔卡蒂奥·布恩迪亚）