所需要的包

wordcloud: 处理词云的工具包
matplotlib：绘图的工具包
numpy： Python二维数据的工具包

Wordcloud的工具包使用到的属性的整理

# 创建对象
wc = wordcloud.WordCloud()
# 获取文本
txt = open(os.path.join(os.path.dirname(__file__), "1.txt")).read()
# 生成一个词云
wy = wc.generate(txt)
# 将生成的词云导出来
wy.to_file("1.png")

wordcloud的常用参数整理：

width 词云图片宽度，默认400像素

height 词云图片高度 默认200像素

background_color 词云图片的背景颜色，默认为黑色

background_color='white'

font_step 字号增大的步进间隔 默认1号

font_path 指定字体路径 默认None，对于中文可用font_path='msyh.ttc'

mini_font_size 最小字号 默认4号

max_font_size 最大字号 根据高度自动调节

max_words 最大词数 默认200

stopwords 不显示的单词 stop_words={"python","java"}

Scale 默认值1。值越大，图像密度越大越清晰

prefer_horizontal：默认值0.90，浮点数类型。表示在水平如果不合适，就旋转为垂直方向，水平放置的词数占0.9？

relative_scaling：默认值0.5，浮点型。设定按词频倒序排列，上一个词相对下一位词的大小倍数。有如下取值：“0”表示大小标准只参考频率排名，“1”如果词频是2倍，大小也是2倍
mask 指定词云形状图片，默认为矩形

通过以下代码读入外部词云形状图片（需要先pip install imageio安装imageio）
import imageio
mk = imageio.imread("picture.png")
w = wordcloud.WordCloud(mask=mk)

中文分词库jieba的常用方法
精确模式（最常用，只会这个就行）：每个字只用一遍，不存在冗余词汇。jieba.lcut('动力学和电磁学')

全模式：把每个字可能形成的词汇都提取出来，存在冗余。jieba.lcut('动力学和电磁学',cut_all=True)

搜索引擎模式：将全模式分词的结果从短到长排列好。jieba.lcut_for_search('动力学和电磁学')

eg:
>>> import jieba
>>> textlist1 = jieba.lcut('动力学和电磁学')
>>> textlist1
['动力学', '和', '电磁学']
>>> textlist2 = jieba.lcut('动力学和电磁学',cut_all=True)
>>> textlist2
['动力', '动力学', '力学', '和', '电磁', '电磁学', '磁学']
>>> textlist3 = jieba.lcut_for_search('动力学和电磁学')
>>> textlist3
['动力', '力学', '动力学', '和', '电磁', '磁学', '电磁学']