用python结合jieba和wordcloud实现词云效果

下面是用 Python 结合 jieba 和 wordcloud 实现词云的完整攻略：

1. 安装所需库

首先需要确保已经安装了需要用到的 jieba 和 wordcloud 库。如果没有安装，可以在控制台使用以下命令安装：

pip install jieba
pip install wordcloud

2. 准备文本数据

准备需要生成词云的文本数据，可以是文件形式或者直接在 Python 程序中定义字符串。例如，下面的示例中我们直接定义字符串：

text = "动物园是一个好地方，里面有很多有趣的动物，小朋友们都很喜欢来这里玩。"

3. 利用 jieba 进行分词

为了将文本分成单个的词语，需要使用 jieba 来进行中文分词。在分词之前还需要先创建一个 jieba 分词器对象：

import jieba

jieba.setLogLevel(20)  # 设置日志等级，避免无用日志输出

seg_list = jieba.cut(text)  # 对 text 进行分词，返回的是一个可迭代的 generator

setLogLevel() 方法是设置 jieba 的日志等级，避免无用日志输出，如果不设置可能会在控制台上产生大量无用输出。

需要注意的是，jieba.cut() 返回的是一个可迭代的 generator，可以通过 for 循环或者列表生成式将其转换为列表：

word_list = list(seg_list)  # 将 jieba.cut() 返回的结果转换为列表

4. 提取关键词

如果想要生成词云，需要进一步提取文本中的关键词。jieba 还提供了一个方法用于提取关键词，为了提高准确度，可以在提取关键词时指定停用词文件，这些停用词不会作为关键词进行计算。例如下面的示例代码：

jieba.analyse.set_stop_words("stop_words.txt")  # 加载停用词文件

# 提取关键词，返回的是一个列表，每个元素为一个 tuple，其中第一个元素为关键词，第二个元素为关键词的权重
keywords = jieba.analyse.extract_tags(text, topK=20, withWeight=True)

其中，jieba.analyse.set_stop_words() 方法用于加载停用词文件，topK 参数表示提取的关键词数量，默认为 20，可以根据需要进行调整。

5. 生成词云

接下来利用 wordcloud 生成词云，首先需要导入 wordcloud：

from wordcloud import WordCloud

然后，创建一个 WordCloud 对象，设置相关参数，如下所示：

wc = WordCloud(font_path="STHeiti Medium.ttc",   # 指定字体文件
               width=1000, height=600,           # 指定词云图的大小
               background_color="white",         # 指定背景色
               max_words=50,                     # 指定最多显示的单词数量
               min_font_size=10,                 # 指定最小字号
               contour_width=1, contour_color='steelblue'  # 指定轮廓线宽度和颜色
               )

其中，font_path 指定了用于显示中文的字体文件，width 和 height 分别指定了词云图的宽度和高度，background_color 指定了词云图的背景色，max_words 指定了最多显示的单词数量，min_font_size 指定了最小的字号，contour_width 和 contour_color 分别指定了词云轮廓线的宽度和颜色。

最后，调用 WordCloud 对象的 generate() 方法，生成词云：

wc.generate_from_frequencies(dict(keywords))
wc.to_file("output.png")  # 将词云保存到图片文件中

其中，wc.generate_from_frequencies() 方法接受一个字典作为参数，字典的 key 为关键词，value 为该关键词的权重。由于 jieba.analyse.extract_tags() 方法返回的是一个列表，每个元素是一个关键词 tuple，因此需要使用 dict() 方法将其转换成字典。

最后使用 to_file() 方法将生成的词云保存到图片文件中。

示例1：生成单个文本文件的词云

下面是一个完整的示例，根据单个文本文件生成词云。

import jieba
import jieba.analyse
from wordcloud import WordCloud

# 准备文本数据
with open("data.txt", "r", encoding="utf-8") as f:
    text = f.read()

# 分词
jieba.setLogLevel(20)
seg_list = jieba.cut(text)
word_list = list(seg_list)

# 提取关键词
jieba.analyse.set_stop_words("stop_words.txt")
keywords = jieba.analyse.extract_tags(text, topK=50, withWeight=True)

# 创建词云
font_path = "STHeiti Medium.ttc"
background_color = "white"
wc = WordCloud(font_path=font_path,
               width=1000, height=600,
               background_color=background_color,
               max_words=50,
               min_font_size=10,
               contour_width=1, contour_color='steelblue')

# 生成词云
wc.generate_from_frequencies(dict(keywords))
wc.to_file("output.png")

示例2：生成多个文本文件的词云

如果要生成多个文本文件的词云，可以将上面的代码放在一个函数中，然后循环读取多个文件，将文件内容传递给函数生成词云。例如下面的示例代码：

import os

# 生成词云的函数
def generate_wordcloud(text):
    # 分词
    jieba.setLogLevel(20)
    seg_list = jieba.cut(text)
    word_list = list(seg_list)

    # 提取关键词
    jieba.analyse.set_stop_words("stop_words.txt")
    keywords = jieba.analyse.extract_tags(text, topK=50, withWeight=True)

    # 创建词云
    font_path = "STHeiti Medium.ttc"
    background_color = "white"
    wc = WordCloud(font_path=font_path,
                   width=1000, height=600,
                   background_color=background_color,
                   max_words=50,
                   min_font_size=10,
                   contour_width=1, contour_color='steelblue')

    # 生成词云
    wc.generate_from_frequencies(dict(keywords))
    wc.to_file("output.png")

# 循环读取多个文本文件
for filename in os.listdir("data"):
    if filename.endswith(".txt"):
        filepath = os.path.join("data", filename)
        with open(filepath, "r", encoding="utf-8") as f:
            text = f.read()
        generate_wordcloud(text)

上面的示例中，os.listdir("data") 返回 data 目录下的所有文件名，然后循环判断文件名是否以 .txt 结尾，如果是，则读取文件内容并将其传递给 generate_wordcloud() 函数生成词云。