jieba库的使用与词云

一、准备

在制作词云之前我们需要自行安装三个库，它们分别是：jieba, wordcloud, matplotlib

安装方法基本一致，下面我以安装wordcloud的过程为例。

第一步，按下Win+R打开命令输入框，并输入cmd，点击确定

 

第二步，找到IDLE文件（即平时打代码的程序），右击，点击属性，得到如下界面，再点击打开文件所在的位置

 

打开Scripts文件，可以看到pip文件

 

将pip文件直接拖至刚才输入cmd打开的界面

在pip.exe后方输入install wordcloud（注意以空格为间隔），然后点击回车，这样我们就安装好了wordcloud库函数

剩余两个jieba和matplotlib都是同样的操作，只需把上文中的wordcloud替换即可，这里就不再操作了

二、对文本中出现的文字频率进行统计

首先我们需要找到一篇文章，将其弄成txt格式的文件，这里我在网上下载了小说《盗墓笔记》

下载完成后需将txt文件与编写程序的文件放置在同一文件夹中

然后就是编写代码了，代码如下

import jieba
txt = open("盗墓笔记.txt", "r", encoding='utf-8').read()
words  = jieba.lcut(txt)
counts = {}
for word in words:
    if len(word) == 1:
        continue
    else:
        counts[word] = counts.get(word,0) + 1
items = list(counts.items())
items.sort(key=lambda x:x[1], reverse=True) 
for i in range(10):
    word, count = items[i]
    print ("{0:<10}{1:>5}".format(word, count))

运行程序，为节省时间，我只让程序输出频次最高的前十个词，效果如下

这样，统计词语频次的程序就搞定了

三、使小说中出现的词语以词云输出

这一步跟上一步统计频次一样的，我们都得将python程序与小说放置在同一文件夹中

然后就输入以下代码

from wordcloud import WordCloud
import matplotlib.pyplot as plt #绘制图像的模块
import jieba     #jieba分词

path_txt='盗墓笔记.txt'
f = open(path_txt,'r',encoding='UTF-8').read()

# 结巴分词，生成字符串，wordcloud无法直接生成正确的中文词云
cut_text = " ".join(jieba.cut(f))

wordcloud = WordCloud(
 #设置字体，不然会出现口字乱码，文字的路径是电脑的字体一般路径，可以换成别的
 font_path="C:/Windows/Fonts/simfang.ttf",
 #设置了背景，宽高
 background_color="white",width=1920,height=1080).generate(cut_text)

plt.imshow(wordcloud, interpolation="bilinear")
plt.axis("off")
plt.show()

运行后，会出现如下的一个窗口

点击左下方最右边的形如磁盘的键，将该图片下载下来

词云也完成了