图灵汇官网

前言

本文是在“基于Python的词云生成（一）”的基础上进行的进一步扩展，重点介绍了如何利用jieba分词包对中文文本进行分词处理，以生成更加美观且具有分析价值的词云。jieba分词包是一个强大的Python库，专门针对中文进行了优化，能够高效地处理各种复杂的中文文本。

jieba分词包支持三种分词模式： - 精准模式：力求将句子精确地切分为词语，适合文本分析； - 全模式：将句子中的所有可能的词语都提取出来，速度快但无法解决歧义问题； - 搜索引擎模式：在精准模式基础上，对长词进行二次切割，提高召回率，适用于搜索引擎分词。

此外，jieba分词包还支持自定义词典功能，可以方便地添加特定词汇，以便更好地处理特定领域的文本。

环境准备

软件环境

• Anaconda3.5
• Windows 10

主要包

• jieba
• wordcloud

代码解析

```python import jieba from os import path from PIL import Image import numpy as np import matplotlib.pyplot as plt from wordcloud import WordCloud, ImageColorGenerator import matplotlib.font_manager as fm

获取当前项目路径

d = path.dirname(file)

设置背景图片

bg = np.array(Image.open("man.jpg"))

读取停用词表

stopwordspath = 'stopwords.txt' with open(stopwordspath, encoding="utf8") as fstop: fstoptext = fstop.read() f_stop.close()

分词处理

def jiebaclearText(text): mywordList = [] seglist = jieba.cut(text, cutall=False) listStr = '/'.join(seg_list)

f_stop_seg_list = f_stop_text.split("n")

for myword in listStr.split('/'):
    if not (myword.split()) in f_stop_seg_list and len(myword.strip()) > 1:
        mywordList.append(myword)
return ' '.join(mywordList)

读取文本

textpath = "人民的名义.txt" text = open(path.join(d, textpath), encoding="utf8").read()

分词

text1 = jiebaclearText(text)

生成词云

wc = WordCloud( backgroundcolor="white", maxwords=200, mask=bg, maxfontsize=60, randomstate=42, fontpath='C:/Windows/Fonts/simkai.ttf' ).generate(text1)

设置字体

my_font = fm.FontProperties(fname='C:/Windows/Fonts/simkai.ttf')

生成颜色

image_colors = ImageColorGenerator(bg)

显示词云

plt.imshow(wc.recolor(colorfunc=imagecolors)) plt.axis("off") plt.figure() plt.imshow(bg, cmap=plt.cm.gray) plt.axis("off")

保存词云

wc.to_file("man.png") ```

运行结果

保存后的图片如下：

如需获取更多相关资料，请关注我的订阅号（ID：pipizongITR），并在对话框中输入“wordcloudch”。

希望本文对你有所帮助，如果有任何错误或建议，欢迎指正。