微信聊天记录生成词云（二）

在上一篇中，将导出的csv文件中的talkid为微信id的文字内容提取出来，形成txt文件。

一、对文本内容进行清洗

• 在notepad中打开txt文件，发现聊天记录中，每隔一段会有诸如“wxid_atzmad”的无效字段，影响整体数据的有效性。

  
  
  聊天记录截图1.png
  
  
  考虑到每个“wxid_atzmad”字段后内容均不一样，若用复制粘贴去替换，几万行聊天记录，光查找就要耗费一定精力。想到学习python时，学过正则表达式，为何不用正则表达式匹配“wxid_atzmad”字段，然后将其替换为空值？如果用正则表达式，速度快，效果应该可以达到。
  启用正则表达式进行替换
  
  
  同理，其他无用字段也可以用正则表达式进行匹配删除

数据清洗部分根据个人对数据的需求，进行不断清洗。

二、生成词云图

在jupyter中，导入wordcloud模块（当然，如果anaconda中没有装wordcloud模块的话，可采用conda install wordcloud或者导入相关我回来文件的方式安装），然后编写词云图代码，生成词云。其中，词云背景图需要的照片轮廓可用美图软件进行修饰，以获得更好的效果图。

直接上代码。

#使用空格链接，进行中文分词
wl_space_split=''.join(wordlist)
print wl_space_split

#读取mask/color图片
d=path.dirname(__file__)
nana_coloring=imread(path.join(d,'pic.png')

#对分词后的文本生成词云
my_wordcloud=WordCloud(background_color='white',    #设置背景颜色
                        mask=nana_coloring,         #设置背景图片
                        max_words=2000,             #设置最大显示的字数
                        stopwords=STOPWORDS,        #设置停用词
                        max_font_size=50,           #设置字体最大值
                        random_state=30,            #设置有多少种随机生成状态，即有多少种配色方案
                        )
                        
my_wordcloud.generate(wl_space_split)

#create coloring from image
image_colors=ImageColorGenerator(nana_coloring)

#recolor wordcloud and show 
my_wordcloud.recolor(color_func=image_colors)

#显示词云图
plt.imshow(my_wordcloud)
#是否显示x轴、y轴下标
plt.axis('off')
plt.show()

#save img
my_wordcloud.to_file(path.join(d,'wechat.png')

根据WordCloud的参数，可以自己不断调整参数，获得不同效果的词云图。
最后，附上自己调试出的几个词云图照片。

不断修图和不断调整参数的结果