pytohn3+pycharm实现将txt文件 使用jieba分词 worldcloud制作词云 ——以《三国演义》的txt文件为例

代码以及释义如下:

```

import jieba

import jieba.analyse

import wordcloud

from PIL import Image, ImageSequence

import numpy as np

import matplotlib.pyplot as plt

from wordcloud import WordCloud, ImageColorGenerator

import jieba

import jieba.analyse

##============分词===============

stopwords=[lines.strip() for lines in open('chineseStopWords.txt',encoding='utf-8').readlines()]      #停用词文件的读取

stopwords.append('')

path = '《三国演义》罗贯中.txt'    #第一步爬虫结果存储的路径

file_in = open(path,'r',encoding='utf-8').read()

jieba.del_word("却说")    #删除一些不想要的词

jieba.del_word("二人")   

jieba.del_word("荆州")

words=jieba.lcut(file_in)    #分词

# cut_text=" ".join(words)

##==============词频统计=============

word_freq={}    #词频统计的字典

for word in words:          #这一步是对近义词进行统计

    if (word in stopwords) or len(word)==1 :        #禁用词和低频词不统计了

        continue

    elif word=='玄德' or word == '玄德曰':

        newword='刘备'

    elif word=='丞相':

        newword='曹操'

    elif word=='孔明' or word=='孔明曰':

        newword='诸葛亮'

    elif word=='关公' or word=='云长':

        newword='关羽'

    else:

        newword=word

    if newword in word_freq:

        word_freq[newword]+=1

    else:

        word_freq[newword]=1

        # word_freq[word]=word_freq.get(word,0)+1

# print(word_freq)

freq_word=[]

for word,freq in word_freq.items():

    fenci=freq_word.append((word,freq))

freq_word.sort(key=lambda x:x[1],reverse=True)    #词语根据词频排序

for word,freq in freq_word[:50]:

    with open('wukaiaaaaa.txt','a',encoding='utf-8')as fp:

        fp.write(word+'\n')  #将前五十词频文件保存

    print(word,freq)  #打印排名前50%的单词


##===========词云制作=======================

#background_image=np.array(Image.open("music.png"))

c=[lines.strip("\n") for lines in open('wukaiaaaaa.txt',encoding='utf-8').readlines()]  #读取词频前五十的文本文件

cc=" ".join(c)  #必要,否则 expected string or bytes-like object:应为字符串或类似对象的字节

wordcloud=WordCloud(

    font_path = 'C:/Users/Windows/fonts/simkai.ttf',  #字体样式设置

    background_color="white",width=2000,height=2000,

    mask=np.array(Image.open("music.png"))  #mask=background_image 

).generate(cc)          #词云图设置

plt.imshow(wordcloud,interpolation="bilinear")

plt.axis("off")    #不展示坐标轴 否则为plt.axis("off")  ,可以试一下结果如何

plt.show()  #词云图的展示

```

结果如图:

词频:


词云:背景图随便选了张,有点丑,但是不难发现词频与字体大小的关系


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,222评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,455评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,720评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,568评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,696评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,879评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,028评论 3 409
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,773评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,220评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,550评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,697评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,360评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,002评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,782评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,010评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,433评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,587评论 2 350

推荐阅读更多精彩内容

  • 没错,写错啊在传统平台上发表过程中,我们总看不到自己实际的贡献。所以建立一个虚拟的简书钻制度 ,我们可以拥有更多的...
    樹蕙阅读 322评论 0 0
  • 老滕在群众艺术馆已经工作了三十年了,三十年间,虽谈不上兢兢业业,但也能做到按部就班。可是身边的同事高升了一...
    唱通阅读 654评论 3 8
  • 今天的事情也没有什么不好,就是莫名的不舒服,需要谨慎,要让自己好起来,也没有什么问题需要解决的,只是自己的原因,怼...
    Serene汤先允阅读 181评论 0 0